Cours de Mspet Cr-Dcess-2014

Matrise Statistique des Processus
Dfinition de la qualit
La qualit : aptitude dun produit ou dun service satisfaire les besoins des
utilisateurs au moindre cot. Les besoins : est une ncessit ou un dsir prouv
par un utilisateur. Lutilisateur : peut tre un individu, une entreprise,
lutilisateur nest pas toujours le client. Cest le cas de nombreux produits
destins aux collectivits.
Le produit : est ce qui est fourni lutilisateur pour rpondre au besoin exprim.
Il est jug par le client travers : - Ses caractristiques : la qualit technique.
- Ses conditions de vente : la qualit conomique.
Le produit
La qualit technique.
La qualit conomique.
- les caractristiques.
- la fiabilit.
- la maintenabilit.
- la durabilit.
- lesthtique
- la scurit.
- ..
- le prix.
- le dlai de livraison.
- les conditions de paiement.
- les garanties.
-
La valeur : rapport qualit/prix
La valeur est le jugement port par lutilisateur sur le produit : elle traduit une
quilibre entre la qualit technique et la qualit conomique.
La non qualit
La non qualit constitue lcart entre la qualit vise est la qualit obtenue. Le
produit ne rpond pas aux attentes de lutilisateur. Le taux de produits
dfectueux livrs est jug trop important. La mesure est acte fondamental la
qualit. La qualit se mesure au niveau .Du client : indice de satisfaction ou taux
rponse favorable. Du produit ou service : caractristique attendre. Du
processus : on mesure un taux de rebut. Chaque niveau est assorti dindicateurs
spcifiques, les trois niveaux sont complmentaires pour lobtention de la
qualit totale.
Mr : Hassan ELMRABET
Les 5 zro olympiques

Zro dfaut : faire bien du premier coup.
Zro panne : pas darrt de production.
Zro dlai : livraison juste temps (temps exacte).
Zro stock : changement rapide doutillage.
Zro papier : simplification administration.
LES LOIS STATISTIQUES

Loi normale
Dfinition de la loi normale
Loi normale ou loi de laplace-gauss donne la probabilit y dobtenir une variable
x. elle rgit une variable alatoire X qui prend la valeur x avec la probabilit :
1 x i x
Y 1 e 2
2
x x
i
e=2,718 x
xi
n
On dfinie la fonction de distribution pour une variable norme
1
2
1 2
t
2
Avec t dite variable norm t x i x
Loi binomiale
Dfinition de la loi binomiale
Cest une loi deux paramtres note B (n,p), qui rgit pour le nombre
dlment n dun chantillon la probabilit de prlever 0,1,2,3.k lments
dfectueux dans un lot contenant p% de dfectueux. En prlevant n lment
sera :
pk Cnk pk1 p
nk
La moyenne x np
Lcart type npq
Avec
Cnk
n!
k!n k !
avec q+p=1
Courbe defficacit
Dfinition
La courbe defficacit est les lien des points form par les couples de la qualit
relle exprime par la proportion de dfectueux et la probabilit dacceptation
correspondante.
Courbe thorique
Dans le cas dun chantillon simple la courbe defficacit est calcule partir du
loi binomiale soit :
P
k Ac
Ckn p k (1 p) n k
k 0
p : probabilit dacceptation ou de rejet de lchantillon.

n : la taille de lchantillon.
k : nombre de dfectueux.
Ac : critre dacceptation.
Re : critre de rejet.
De ce raisonnement on dterminera la probabilit de trouver k pices dfectueux
dans lchantillon prlev de taille n.
La probabilit de trouver 1 pice dfectueuse
P1 Cn1 p1 p
n 1
La probabilit de trouver 2 pices dfectueuses

P2 Cn1 p 21 p
n2
La probabilit de trouver 1 pice dfectueuse

Pi Cn1 pi 1 p
n i
Par consquent la probabilit de trouver au plus Ac pices dfectueux est gal :

P(1)+P(2)+.+P(Ac).
Do la probabilit cumule (probabilit de trouver au plus Ac pices
dfectueux) :
k Ac
P X Ac Cnk p k 1 p
nk
k 0
Ce qui se traduit par :

1
1-
p1
p2
La courbe defficacit peut tre construite partir de 4 couple de points (0,1),

(p1,1-), (p2,) et (100,0).
Si on analyse cette fonction P X Ac on constate que la talle de lchantillon n

et le critre dacceptation sont fonction de cette dernire P X Ac . De point de
vue pratique les calcules et les tracs sont prsenter dans les tables de Military
Stand 105Dqui font lobjet dune traduction par AFNOR sous la rfrence
NFX06-021.
Loi de poisson
Dfinition de la loi de poisson
Cest une loi qui rgit une variable alatoire x avec les probabilits respectives
p0, p1, ., pn, constitues par les termes successifs :
(np )k nk
Avec x mnp et np la loi de poisson sapplique lorsque p<0,1 et
e
k!
n>15. Ces conditions dapplication permettent de lutiliser lorsque la frquence

de dfectueux est faible.
ESTIMATION PAR INTERVALLE DE CONFIANCE

6-2 Intervalles de confiance pour des paramtres de lois
normales
Soit X une variable suivant la loi normale LG(m, ) et soit (X l, X2,..., Xn) un
chantillon de taille n de cette variable.
Intervalles de confiance pour la moyenne

Le meilleur estimateur de la moyenne m est la moyenne X de
l'chantillon. De plus cet estimateur suit lui-mme une loi normale LG(m,
/ n ). On construit alors l'intervalle de confiance de m en lisant dans la
table de la loi normale la valeur u 1 correspondant la probabilit (1 )
Xm
P u 1 / 2
u 1 / 2 1
/ n
; X u 1 / 2
On en dduit l'intervalle de confiance suivant: I X u 1 / 2
n
n
On peut remarquer que les bornes de cet intervalle sont alatoires et dpendent
de l'cart-type de la loi normale de X.
Si cet cart-type n'est pas connu, on considre l'estimateur s de cet carttype.
Xm
/ n
suit la loi normale LG(0,1)
Pour n suffisamment grand, la variable:
ns 2
suit la loi 2n 1
2
Par dfinition de la loi de Student, on en dduit que la variable

Xm
/ n
1
ns 2
(n 1) 2
suit la loi de Student (n - 1) degrs de libert
Aprs simplification, on obtient comme variable de Student la variable:

Xm
s / n 1
L'intervalle de confiance se construit alors en cherchant dans la table de la loi de

Student la valeur b telle que:
Xm
P b
b 1
/ n
L'intervalle de niveau de confiance gal (1 -) pour m est alors:
s
s
I X b
;X b
n 1
n 1
Intervalles de confiance pour la variance ou l'cart-type

- Si la moyenne m de la loi est connue, le meilleur estimateur de la variance 2
est la statistique:
T
1 n
X i m 2
n i 1
La variable (nT/ 2 ) suit une loi du Chi -deux n degrs de libert. La table de
cette loi fournit, fix, deux valeurs a et b telles que:
P(a< nT/ 2 <b)=l-
On en dduit l'intervalle de confiance au risque pour (T2 :
nT nT
I ;
b a
Le couple (a,b) n'est pas .unique. Frquemment, on choisit ces valeurs en

rpartissant le risque de faon symtrique :
nT
nT

P 2 b P 2 a
De cet intervalle, on peut aussi en dduire l'intervalle de confiance au mme

seuil de confiance pour .
- Si la moyenne m de la loi n'est pas connue, le meilleur estimateur de la

variance 2 est la statistique: S * 2
1 n
X i X 2
n 1 i 1
La variable ((n - l)s*2 /2) suit la loi du Chi-deux 2n 1 . Dans la table de cette loi,
fix, nous trouvons les valeurs c et d telles que:
(n 1)S * 2
P c
d 1
2
L'intervalle de confiance au seuil (1 - ) pour 2 est alors:

(n 1)S * 2 (n 1)S * 2
I
;
d
c
Analyse de Pareto (ou loi de 80-20 ou courbes ABC)

Principe
Cet outil a t utiliser en premier lieu par Vilfredo Federico Samoso, un
conomiste italien ( 1848-1923) auteur dune loi statistique originale dveloppe
dans son livre trait de sociologie gnrale en 1916 cette loi affirme en
effet quun faible nombre de facteurs permet dexpliquer la majeure parie des
phnomnes. Cest le principe des 80-20, le diagramme de Pareto est un outil de
mesure qualitative des vnements analyss. Cet outil est utilis dans la
premire phase damlioration dun processus.
Exemple
80%des richesses sur la plante sont dtenues par 20% des individus
20% des pices stockes dans une entreprise reprsentent 80% de la valeur des
stocks
La mthode
Il sagit en premier lieu de relever et dtablir des observations (mthode utiliser
diagramme dIshikawa ou les 5M)
Dans la majorit des cas le diagramme se dcompose de trois zones
Zone A environ 20%des rebuts reprsentent 80% des cots, cette zone dfinit les
priorits
Zone B environ 30% des rebuts restants ne cots que 15%
Zone C environ 50% des rebuts restants ne cots que 5%
CONTROLE DE RECEPTION
Dune faon gnrale le lancement dun produit passe par plusieurs tapes
successives. Le service marketing tudie le march, analyse les besoins du
client, les produits concurrents, la commercialisation du produit et aboutit un
cahier de charge. Le service tude et dveloppement aboutit lesquisse dun
avant projet qui donne naissance un prototype auquel on fait subir les premiers
essais qui dfinissant la fiabilit du produit.
Dans tout les cas une livraison quelle que soit sa nature doit systmatiquement
tre soumise un contrle de rception (CR). En outre la fabrication locale
ncessite un contrle en cours de fabrication (CECF). Le produit fini exige un
contrle final (CF) qui conduit la livraison et en fin au suivi en exploitation
(service aprs vente, maintenance,).
Lobjectif essentiel du contrle de rception est de ne pas laisser enter dans
lusine la matire premire (fournisseur), les pices provenant de lextrieur
(sous traitant), le passage dun atelier un autre lextrieur de lusine des
pices ne rpondant pas au cahier de charges. Selon les caractristiques
apprcier on fera appel trois type de contrle. Contrle par attributs, contrle
par dcomptes de dfauts, contrle par mesures.
A/ Contrle par attributs

Il consiste porter le jugement (bon) ou (dfectueux) sur un produit, ce qui
conduit lacceptation ou le rejet. Il peut tre pratiquer sur les matires
premires, les produits finis et les composantes de toute nature, .
B/ Contrle par dcomptes de dfauts

La dcision dacceptation ou le rejet du produit est prise aprs lenregistrement
dun nombre moyen de dfauts sur le produit contrl.
C/ Contrle par mesures

La condition ncessaire et suffisante pour pouvoir pratiquer ce type de contrle
est la mesure du caractre apprcier. La dcision dacceptation ou de rejet est
prise sur la base de la moyenne arithmtique et de la dispersion.

Projet
Etude prliminaire
Matire premire
CR
Pices de petits ensemble
CR
Fabrication locale
Projet
CR
Gros ensemble
Et produits
termins
CECF
CF
Montage, produits finis
Fin de chane
CF
Livraison
Suivi en exploitation
CF : Contrle finale
CECF : Contrle en cours de fabrication
CR : Contrle de rception
Le contrle
Mtrologie
La mtrologie est lensemble des oprations permettant dattribuer une valeur
la grandeur mesurer.
Le mesurage
Le mesurage est lensemble des oprations ayant pour but de dterminer la
valeur dune grandeur (mesures dimensionnelles, mesures mcanique, mesures
physico-chimiques).
Mesures dimensionnelles : longueur et grandeurs drives, surface, volume ,
angle,..
Mesures mcaniques : temps, vitesse, acclration, masse, poids, travail et
nergie mcanique, pression, contrainte, puissance mcanique, dbit,
viscosit,
Mesures physico-chimiques : thermique (temprature, quantit de chaleur, flux
calorifique, conductibilit thermique,), optique (intensit lumineuse, flux
lumineuse,), acoustique (niveau de bruit, nergie sonore,.), radioactivit
(quantit de rayonnement, activit radio nuclaire,), lectrique (frquence,
rsistance, capacit, flux magntique, intensit, dfrence de potentiel,
puissance, courant, .).
Le contrle est lensemble des oprations permettant de dfinir si la grandeur
mesure est situe dans les limites de tolrance dsires. IT (intervalle de
tolrance) Cest lcart entre la limite infrieur et la limite suprieur.
Caractristiques des instruments de mesures

A/ La fidlit
La fidlit dun instrument de mesure est laptitude de rpter une indication
pour une mme grandeur mesurer. Lerreur de fidlit est dfini par :
L L
n
Avec
n 1
n : Nombre de mesures effectues (environ 30 mesures)

L : La moyenne arithmtique des rsultats de mesures Li
B/ La justesse
La justesse est laptitude donner les indications gales la valeur vraie de la
grandeur mesurer.
Elle est dfini par :
J L M
Avec :
L : La moyenne arithmtique des rsultats de mesures Li
M : la valeur relle de l grandeur mesure.
A/ La sensibilit
La sensibilit dun instrument de mesure est le rapport de laccroissement de la
variable observe par laccroissement correspondant de la grandeur mesurer.
D/ Prcision
Cest laptitude dun instrument de mesure donner des indications proches de
la vraie valeur. La prcision est l qualit globale dun instrument de mesure.
Typologie de contrle
Classification en fonction du prlvement.
On distingue deux attitudes face une population dlments contrler.
Contrler 100% ou contrler un chantillon et par une estimation statistique
rechercher les caractristiques de la population.
Contrle en cours de fabrication

Contrle 100%.
Processus de fabrication
Contrle 100%
Produits conformes
Rebut
10
Contrle statistique de fabrication

Il consiste prlever des chantillons dlments dans des intervalles de temps
dtermin, effectuer les mesurages de grandeurs puis conclure laide dun
traitement statistique de la population.
On prvoit deux types de contrle de rception.
Contrle quantitatif : effectuer par le magasinier, il consiste la vrification de
la conformit des pices reues avec la commande.
Contrle qualitatif : effectuer par un agent de service qualit.
Contrle destructif
Contrle destructif Cest lensemble des contrle qui ne peuvent tre ralises
quen dtruisant le produit.
Contrle non destructif

Contrle non destructif regroupent lensemble des contrles fournissant une
indication sur ltat dun matriaux sans avoir le dgrader. On distingue trois
types dessais :
Modes de contrle
Contrle 100%
Il est obtenu par une vrification systmatique de tous les individus. Ce genre de
contrle en principe plus de scurit, par contre il est plus long et par consquent
plus onreux. En revanche il prsente linconvnient majeur de ne pas tre
envisageable dans le cas dun contrle exigeant la destruction des pices
contrler.
Contrle par chantillonnage

Il est effectu sur un chantillon prlev au hasard dans un lot. Dune part il
prsente lavantage dtre pois long et par consquent moins coteux, dautre
part il simpose dans le cas du contrle demandant la destruction des pices.
Plan de contrle
Le plan de contrle est dfini par :
Le type dinspection.
Il est fonction du caractre contrler (quantitatif ou qualitatif).
11
Effectif de lchantillon
Il dpend de linteraction de la taille du lot et de degr de svrit du contrle, il
est vident que pour un contrle normal la taille de lchantillon est plus
important que celui dun contrle rduit, en revanche il sera moins important
pour un contrle plus svre.
Le risque fournisseur
Risque de premier espce, il correspond gnralement la probabilit pour
quun lot acceptable soit refus par les rsultats de contrle.
Le risque client
Risque de deuxime espce, il correspond la probabilit pour quun lot
rejetable soit accept par les rsultats de contrle.
Niveau de qualit acceptable (NQA)

Il correspond au pourcentage maximum de dfectueux quun lot peut contenir,
en gnral il est sensiblement gal au risque fournisseur.
Niveau de qualit tolr (NQT)

Il correspond au niveau de qualit tolr qui est gal la proportion relle de
dfectueux correspondant au risque client.
En gnrale les risques fournisseurs et client sont fixs par un consensus entre
les deux parties (fournisseur-client), ils sont choisis de telle faon minimiser
ces deux risques et satisfaire les deux parties.
12
Contrle
Par attributs
Par dcompte de dfauts
Par mesures
Modes de contrle
A cent pour cent 100%
Par chantillonnage
Plan de contrle
Type dinspection :
Par attributs
Par dcomptes de dfauts
Par mesures
Effectif de lchantillon contrler

Schma suivant lequel le prlvement doit tre effectuer
Relation entre les rsultats du contrle et la dcision prendre
Acceptation
Rejet
PLAN DE CONTROLE
13
Contrle par attributs

Lobjectif de ce type de contrle est lacceptation ou le rejet dun lot selon les
critres du plan de contrle tabli lavance par les parties concernes. Le
principe de contrle consiste soumettre un chantillon de taille n un contrle
selon deux critres, lun de lacceptation, lautre de rejet. Si on tablit un
nombre (Nb) de dfectueux maximum Ac (pourcentage maximal de dfectueux
p%) partir duquel on refuse le lot. On tablit les critres suivants :
Si Nb Ac on accepte le lot, si Nb Ac on refuse le lot.
Cela se traduit par la dtermination de la taille de lchantillon prlever et le
pourcentage maximum de dfectueux tolrer qui conduit lacceptation du lot
contrl.
Type dchantillonnage
Echantillonnage simple
On prlve un chantillon de taille n, la dcision dacceptation est prise sil
contient k pices dfectueuses au moins (KAc). Dans le cas contraire le lot est
rejet soit KRe.
Ac : critre dacceptation
Re : critre de rejet.
Prlever n
individus
Si KAc
Si KRe
Accepter le lot
Refuser le lot
Echantillonnage simple
14
Echantillonnage double
On prlve un premier chantillon de taille n1 la dcision dacceptation est
prononce si le lot contient Ac1 au moins de dfectueux (K1Ac1), dans le cas o
il contient plus de Re1 il est rejet (K1Re1), si le nombre de dfectueux est situ
entre Ac1 et Re1 (Ac1<K<Re1)on ne peut prendre la dcision et on procde un
second contrle.
Prlever n1 individus
K1Ac1
Ac1<K1<Re1
Accepter le lot
K1Re1
Refuser le lot
K2Ac2
K2Re2
Accepter le lot
Refuser le lot
Echantillonnage double
15
Echantillonnage multiple
Le principe de lchantillonnage est analogue celui adopt en chantillonnage
double, avec un ou plusieurs prlvements successifs jusqu la prise de la
dcision dacceptation ou de rejet.
K1Ac1
Ac1<K1<Re1
Accepter le lot
K1Re1
Refuser le lot
K2Ac2
K2Re2
Accepter le lot
Refuser le lot
Prlever ni individus
KiAci
KiRei
Accepter le lot
Refuser le lot
Echantillonnage multiple
16
Recommandations pratique
Selon le degr de risque que peut prsenter le produit contrler on peut adopter
un contrle plus au moins svre. Sous cet angle la norme amricain MIL STD
105D prvoit trois type de contrle usuels ( I, II, III) et quatre autre spciaux
(S1, S2, S3, S4).
Dune faon gnrale on commence toujours par un contrle normal (II) sauf
indication particulire de la part du client ou du fournisseur qui conduira soit
un contrle renforc (III) ou un contrle rduit (I).
la modification du niveau du contrle aura lieu.
II III : 2 lots sur 5 conscutifs refuses.
III II : 5 lots conscutifs accepts.
II I : 10 lots conscutifs accepts.
I II : 1 lot refus.
Dbut
10 lots conscutifs accepts,

avec un nombre total dunits
non conformes infrieur ou
gal au nombre limite.
La production est rgulire.
Contrle
rduit
Le lot nest pas accept

mais le nombre dunits
non conformes est compris
entre acceptation(Ac) et
rejet (Re) du plan
La production est
irrgulire
2 lots sur 5 conscutifs

ne sont pas accepts
Contrle
normal
Contrle
renforc
5lots conscutifs
sont accepts
5 lots ne sont pas

accepts bien que sous
contrle renforc
Interrompre
le contrle
Le fournisseur
amliore la qualit
17
Exemple illustrant lutilisation de la norme MIL STD 105D

On dsire tablir un plan de contrle sur une srie de pices en provenance dun
lot de taille N=400 un niveau de qualit acceptable de 1,5%. Le risque
fournisseur tant gal 5% et celui client gal 10%. On dfinit la lettre
code correspondante N=400 (281<400<500). Il sagit de la lettre H(tableau) au
niveau du contrle normale (II). La lettre H dfinit la taille de lchantillon.
Niveau de contrle gnraux

Effectif du lot
28
9 15
16 25
26 50
51 90
91 150
151 280
281 500
501 1200
1201 3200
3201 10000
10001 35000
35001 150000
150001 500000
500001 et au
dessus
Niveau de contrle spciaux
II
III
S1
S2
S3
S4
A
A
B
C
C
D
E
F
G
H
J
K
L
M
N
A
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
R
A
A
A
A
B
B
B
B
C
C
C
C
D
D
D
A
A
A
B
B
B
C
C
C
D
D
D
E
E
E
A
A
B
B
C
C
D
D
E
E
F
F
G
G
H
A
A
B
C
C
D
E
E
F
G
G
H
J
J
K
A partir des tables dterminer n, Ac, Re pour un contrle simple (normal,

renforc et rduit).
18
Echantillonnage par mesures

On mesurera les caractristiques principales du produits (dimensions dune
pice, rugosit dune surface, puissance dune machine,.), les rsultats
obtenus peuvent tre dcrites par des mthodes probabilistes types. Ce qui nous
permet de leur appliquer des rgles probabilistes courants. Dans ce chapitre nous
prsentons quelques applications pratiques de ces rgles au contrle industriel.
Ses applications sont bases sur lhypothse que le modle probabiliste est une
loi normale. Il faut noter aussi que la plupart des distributions de caractristiques
issus de processus de fabrication obissent une loi normale ou sen approche
suffisamment pour en tre assimiles.
Principe de contrle par mesures

Le contrle est pratiqu si :
* Le caractre est mesurable.
* La distribution du caractre suit une loi normale.
* Il existe une ou deux limites de tolrance permettant de classer chaque
individu conforme ou non conforme.
Limite suprieure
Pour chaque caractre contrl on supposera une limite suprieure note Ts.
F(u)
Ts
Les individus sont dclars :

* Bons si x Ts.
* Dfectueux si x>Ts
Soit x1, x2, .,xn les valeurs dun caractre mesur provenant dun
chantillon de taille n.
on a :
n
X 1 xi
n i 1
et
2
1
xi X
n 1 i 1
n
19
Le problme est souvent pos en termes diffrents, le client et le fournisseur

sentendent pour choisir un niveau de qualit admissible et les risques lis aux
choix dun plan de contrle. Ils dfinissent donc :
un niveau p1% dlments non conformes qui correspond une probabilit de
refus .
un niveau p2% dlments non conformes qui correspond une probabilit
dacceptation .
On suppose que le client accepte que le lot livr contient au maximum une
proportion p2 pour lequel x>Ts.
La condition p p2 correspond
Ts X U p
X U p Ts
Donc le plan dchantillonnage correspond est tabli selon :
Donc :
Prlever n individus
X U p Ts
X U p Ts
Accepter le lot
Refuser le lot
Limite infrieure
La condition dacceptation devient X Ti U p
donc Ti X U p
F(u)
Ti
20
Prlever n
individus
Ti X U p
Ti X U p
Accepter le
lot
Refuser le
lot
Donc on tablit les conditions dacceptation et de refus comme suit :

On accepte le sil est accept la fois pour Ti et Ts.
On refuse le lot sil est rejet pour lune ou lautre des deux limites.
Calcul de n et de k
Dune faon gnrale on impose les couples (p1,), (p2,) ce qui nous conduit
dterminer la taille de lchantillon n prlever et le nombre de dfectueux K
qui servire de rfrence pour prononcer lacceptation ou le rejet. Puisquil sagit
dune loi normale de moyenne X et dcart type . Pour une proportion p de
valeurs de x suprieurs la limite Ts correspond une valeur de la normale
rduite dfinie par :
Ts X U1 p U p (I)
x tant la moyenne de la distribution de n valeurs xi
La condition dacceptation se traduit par :

Ts x K
K constant dacceptation dpendant de la taille de lchantillon

On aura : x X K (Ts X) (II)
Combinant (I) et (II) on trouve :
x X n n K U1 p Donc si des valeurs p et p le plan recherch associ
1
2
des probabilits respectives dacceptation 1- et .

Pour p=p1 1 P x X n nk U1 P1

Pour p=p2 P X x n nk U1 P2

21
La distribution de x est une distribution normale autour de X avec un cart type
Donc x X n est une variable norme rduite.
Donc les quations prcdentes scrivent :

U1 nk U1 P1 Et U1 nk U1 P2
( U U1 )
la solution de ce systme donne :
2
U1 U1 P1 U1U1 P2
U1 U1
n
Et k
U1 U1
U1 P1 U1 P2
une autre expression de k en fonction de n
k t1
t1'
t'
et k t2 2 avec t1 U1 P1 , t2 U1 P2 , t1' U1 et t2' U1
n
n
22
MAITRISE STATISTIQUE DES PROCESSUS

INTRODUCTION
La matrise statistique des processus est la traduction intgrale de statistical
processus control connue sous labrviation SPC . Matrise est synonyme
de domination, de pouvoir ou dautorit. Statistique englobe lensemble des
techniques dinterprtation mathmatiques appliques. Processus signifie
mcanisme, marche ou dveloppement.
Le mot matrise est synonyme de contrle dans le sens de piloter une machine
ou contrler un vhicule.
Le terme processus regroupe lensemble des paramtres qui concourent la
fabrication dun produit. Il sagit de la matire premire, des machines, des
homes, des organisations des priphriques (laboratoires dessais, contrle,
etc.).
La MSP est une excellente mthode scientifique danalyse des donnes. Son rle
est de contribuer la matrise et lamlioration des processus grce aux
diffrentes indications prventives quelle fournit. Elle permet dindiquer il y a
lieu de chercher et identifier un trouble et ses causes.
La ligne directrice de la MSP est conue et btie sur la prvention.
Cest le processus qui fabrique la qualit (non qualit). Une fois le produit
fabriqu Cest trop tard on ne peut plus retoucher sa qualit ou lamliorer, il fait
parti intgrante de celui ci, il sagit en quelque sort dune empreinte digital du
processus.
La ligne directrice de la MSP est conue et btie sur une stratgie de qualit
matris ( ou politique de prvention) et une stratgie de qualit subie (ou
politique de dtection), elle consiste faire le produit par la fabrication et la
qualit par le contrle.
23
Caractres gales
Politique de dtection
Politique de prvention
Fin de chane
Fin de chane
Dfectueux
Contrle
Retoucher
Conforme
Contrle
Conforme
Zone vierge
(Aucune
dpense)
Zro rebut
Tri
Dfectueux
Emballage
Rebut
Emballage
On appelle zone fantme ou entreprise fantme : on mobilise des hommes, des

machines, des locaux, de largent, du temps, etc. Sa vocation et de retoucher,
contrler, et trier ce qui rpercute sur le prix de revient et rend le produit non
comptitif.
24
VARIABILITE
Dans la nature, il nexiste jamais deux lments identiques, ces diffrences
peuvent tre visible o savre dlicate mettre en vidence, la variabilit est
une situation normale et naturelle.
En fabrication mcanique, une machine trs performante ne produit jamais deux
pices identiques. Elles apparaissent semblable, Cest que la sensibilit de
linstrument de mesure nest pas suffisante pour la diffrencier.
Les dimensions dune pice usine peuvent tre affects par les facteurs
suivants :
Machines (prcision des dplacements, usine des paliers, rglage, etc.)
Outil (tat de larte de loutil, taux dusure, etc.)
Matriaux (dimension, composition, duret, etc.)
Oprateur (fatigue, motivation, etc.)
Maintenance (lubrification, changement des pices usines, etc.)
Environnement (temprature, humidit, pression, stabilit de
lalimentation lectrique)
Quelque soit le niveau de qualification des oprateurs, la prcision des
machines, le degr dhomognit et de puret de matires premires. Les
caractristiques dun produit ne sont rigoureusement identiques car les effets
combins de tous les facteurs citer prcdemment provoquent une variation
naturelle qui doit tre en concordance avec les besoins. Il est important de
pouvoir estimer et matriser cette dispersion.
Exemple
Il sagit dun lot de 50 arbres pauls. Ils appartiennent une mme srie
ralise sur un tour parallle en prise en mandrin 3 mors durs serrage
concentrique avec une bute de broche.
25
Lusinage et le relev des cotes ont t effectus par le mme oprateur et dans
des conditions strictement identiques (mme ambiance).
Le tableau suivant donne les releves de la cte A des 50 pices.

Numro de la pice
dimension
Numro de la pice
dimension
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
20,648
20,676
20,667
20,676
20,648
20,656
20,646
20,665
20,680
20,658
20,685
20,673
20,671
20,663
20,676
20,655
20,666
20,678
20,670
20,686
20,654
20,684
20,689
20,693
20,687
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
20,690
20,702
20,705
20,690
20,687
20,702
20,704
20,685
20,701
20,697
20,701
20,698
20,697
20,680
20,714
20,723
20,708
20,709
20,686
20,730
20,719
20,715
20,723
20,714
20,731
Reprsenter le graphique (dimension, numro de la pice).

Construire lhistogramme
Tracer la droite dhenry.
26
La reprsentation dune graphique (dimension, numro de la pice) montre

lvolution de la cte A en fonction du numro de la pice (donc en fonction du
temps). Elle rvle une fluctuation trs nette de cette dimension et met en
vidence limperfection du processus. On remarque une drive trs prononce
de cette cte. Elle est due sans doute lusure de loutil.
20,730
20,720
20,710
20,700
20,690
20,680
20,670
20,660
20,650
46
41
36
31
26
21
16
11
20,640
La trace de lhistogramme de cette srie de mesure confirme cette variabilit et

mis en vidence la prsence dune distribution gaussienne quon va la vrifi
avec la trace de la droite dhenry.
Calcul de ltendue
Ltendue est la diffrence entre les deux valeurs extrmes de la srie.
W = valeur maxi valeur mini
Dans ce cas W=20,731-20,646= 0,085
27
Dtermination des classes

Le nombre de classe est estim partir de n
On prend ici 8 classe, donc intervalle de classe =tendue/nombre de classe.
Donc dans ce cas intervalle de classe =0,083/8=0,0106
Donc on prend un intervalle de classe de 0,011
La premire classe est [20,644 ; 20,655[.
20,644 limite infrieure de classe et 20,655 limite suprieur de classe
Le groupement en classes
Leffectif de classe ou frquence absolue, sobtient en comptant le nombre
dindividus contenus dans chaque classe (ou frquence absolue) not ni. On
obtient le tableau des frquences absolues ci-aprs.
Classe [20,644 ;20,655[ [20,655;20,666[
ni
Classe [20,688;20,699[
ni
[20,666 ;20,677 [ [20,677;20,688 [

8
[20,699;20,710 [ [20,710 ;20,721[

6
10
[20,721;20,732]
4
Construction de lhistogramme
28
Le trac de la droite dHENRY

Dfinition
Tracer une droite dhenry revient vrifier si les frquences relatives cumules
de la srie de statistique se rpartissent sans cart notable autour dune droite
dans un repre gausso-arithmtique. Dans le cas ou lhypothse de la normalit
est accept on pourra procder une estimation de la moyenne et de lcart type
de la distribution respectivement du point dordonne F=0,5 de la droite ajuste
et lcart type de la demi diffrence dabscisse entre les points dordonnes 0,84
et 0,16.
Origines de variabilit
Les causes (facteurs) qui contribuent ces fluctuations sont nombreuses. Elles
sont de deux types :
Les causes dites normales, ordinaire, naturelles, alatoires, sont inhrents au
processus lui mme (propres aux personnels, aux matires premires,
loutillage, aux machines et aux autres constituants du processus). Elles sont
gnralement trs nombreuses et faibles effets cumuls. La variation globale
due aux causes alatoires est prvisible, ce qui rend le procd stable et
contrlable.
Les causes dites anormales, particulires, non naturelles, assignables ou
spciales (elles sont externes au processus). Elles sont celles sur lesquelles il est
gnralement possible dagir, leurs effets peuvent tre isoles dans le temps et
assez marques. La variabilit due ces causes est gnralement imprvisible.
Elles rsultent dlments qui peuvent tre changes ou corriges.
29
Exemple
Dans un atelier de production classique . la fabrication des pices sur un tour
fait apparatre diffrentes causes de variabilit sur le diamtre.
Jeu dans les glissires : est une cause alatoire. Elle est toujours prsente
sur le procd, cest une source de variations.
Temprature de latelier : pour les m^mes raisons que a cest une cause
alatoire.
Bris doutil : est une cause assignable ou anormale car son effet est isol
dans le temps.
Usure des outils : est une cause assignable ou anormale car son effet
affecte sur les dimensions des pices de faon croissante.
Matire premire : nest pas bien dfini. Il sagit de la variation de la
qualit de la matire premire cest une causes alatoire ou normale, par
contre sil sagit dun dfaut matire cest une causes anormale ou
assignable.
Frontires naturelles entre causes normales et

anormales
Les variations dues aux causes normales sont distribues de faon alatoire, elles
sont rgies par des modles probabilistes connus, par consquent prvisible dans
le temps. Cependant elles peuvent tre distingues et spares des causes
anormales. Dans la plupart des cas elles sont rgies par un modle gaussien ou
suffisamment proche pour en tre assimil, si ce nest pas le cas on jouera sur la
taille de lchantillon de faon avoir une bonne approximation par la loi
normale.
Dans ce chapitre on va considrer que les variations dues aux causes normales
suit une loi normale.
Sachant que 99,73% des individus sont situes dans lintervalle de confiance [3 ; +3] centre au tour de la moyenne, on affirme avec une erreur de 0,27%
que 100% des individus seront situs dans lintervalle de confiance [-3 ; +3]
soit une longueur de6. On dduit que les individus situs lextrieur sont dus
aux causes anormales.
30
LCI
LCS
Frontire
Frontire
Danger
Danger
X
Causes anormales
Causes normales
Causes anormales
peu nombreuses
trs nombreuses
peu nombreuses
Variations non alatoires
variations alatoires
variations non alatoires
Imprvisibles
prvisibles
imprvisibles
Contrlables
incontrlables
contrlables
Grands effet
petit effet cumuls
grands effet
Frontires naturelles entre causes normales et anormales
31
PRESENTATION DE LA CARTE DE CONTROLE

Dfinition
Une carte de contrle est un graphique compos dune srie de radiographie
instantane de ltat de sant du processus. Elle permet de visualiser limage de
celui ci en temps rel, ce qui constitue un vritable tableau de bord.
Principe
Rappelons quil sagit toujours de distributions gaussienne ou suffisamment
proche.
A laide de la rgle de 3 on dresse les frontires naturelles sparant les causes
normales et anormales.
Soient :
LCS X X X 3 Limite de contrle suprieur.
LCI X X X 3
Limite de contrle infrieur.

Ces deux limites sont situes symtriquement par rapport la valeur centrale
caractrise par la moyenne.
Soit :
LC X X X Ligne centrale.
Lindice x fait rfrence aux limites de contrle des mesures individuelles.
32
Rgles dinterprtation des cartes de contrle

Les rgles dinterprtations des cartes de contrle dcoulent directement des
proprits de la loi normale et en particulier de celle qui suivent :
68,27% des points sont situes dans lintervalle [- ; ]
95,45% des points sont situes dans lintervalle [-2 ; 2]
99,73% des points sont situes dans lintervalle [-3 ; 3]
On dcompose ainsi la carte de contrle es trois zones.
LCS
III
+3
II
+2
I
LC
-2
II
-3
III
LCI
33
Diffrentes configurations de carte de contrle
Carte normale
LCS
LCS
LCI
1
10 11 12
Numro dordre chronologique
Analyse
Aucun point nest en dehors des limites de contrle
Les points fluctuent au hasard et sont distribus quitablement par rapport la
limite centrale
La plus part des points sont proches de la limite centrale
Quelques points sont au voisinage des limites de contrles
Actions engager
Profiter de cette situation confortable pour amliorer les performances du
processus.
34
Cartes anormales
Points lextrieur des limites de contrles
LCS
LC
LCI
1
10 11 12
Analyse
La prsence dau moins un point lextrieur des limites de contrle est due
des causes anormales, elle peut tre la consquence :
Dune erreur de pointage
Dun changement dquipe ou de flux de matire premire
Dun dommage accidentel, dune panne ou dun rglage limite
Actions engager
Il procder lidentification de la source de cette vnement et engager une
action corrective. Il se peut quil est rptitivit de cette phnomne, dans ce cas
pousser lanalyse jusqu lidentification de la cause et procder son
limination.
35
Saut brusque ou dcalage

LCS
LC
LCI
1
10 11 12
Analyse
Il sagit dune variation soudaine qui peut tre due un changement doprateur
(nouveau rglage) ou de flux de matire premire.
Actions engager
Sassurer que loprateur est rellement lorigine de cette variation. Si ce nest
pas le cas ce sont les matires premires qui sont les causes. Il faut donc
envisager un contrle trs rigoureux au niveau de la rception.
36
Prsence dun phnomne cyclique

LCS
LC
LCI
1
10 11 12
Analyse
Caractris par des hauts et de bas rptitif, il synonyme de causes particulires,
prvisibles :
Changement de pression
Changement de temprature
Changement dappareil de mesure
Changement de matire premire
Changement doprateur, etc.
Actions engager
Identifier rapidement les causes, les isoler et procder leur limination .
37
Drive
LCS
LC
LCI
1
9 10 11 12
Analyse
Il est caractris par un dcalage progressif des points, elle est souvent due
lusure de loutil, dans certains cas, il sagit dfaut dentretien, dun changement
saisonnier, etc.
Actions engager
Tant que le drglage progressif volue lintrieur des limites de contrle,
profiter pour lidentifier et isoler les causes de cette tendance, ensuite les
corriger.
38
Remarque
Notons que ces rgles ni exhaustives ni restrictives, tout au moins, il convient
dattirer lattention des utilisateurs des cartes de contrle sur les faits suivants :
Les causes anormales peuvent bien se manifester au bien lintrieur qu
lextrieur des limites de contrle. Ainsi une variation lextrieur des limites
de contrle des grandes chances dtre la consquence dune cause anormale,
dans ce cas il faut lidentifier et lisoler.
Une variation lintrieur des limites de contrle nest pas exempte de prsence
de causes anormales. Nanmoins il faut surveiller de trs prs lvolution de la
caractristique surveille. Il est trs probable quune cause anormale surgisse
lintrieur des limites de contrle comme cela t voqu prcdemment. Si
cest le cas il faut procder rapidement lidentification de ces causes et les
liminer avant quil soit trop tard (apparition de non conforme).
Avant dengager une action ou une correction (rglage) il faut sassurer quil
sagit rellement de variations dues des causes anormales, car toute confusion
entre les deux types dintervention pouvait engendrer un cot trs levs et des
consquences fcheuses. Ajout cela, elle peut occasionner un retard au niveau
de la recherche de la solution et contribue srieusement la complication et
laggravation du problme, ce qui entrane un retard au niveau de livraison.
Indications de prsence de causes anormales

Un point lextrieur des limites de contrle
LCS
LC
LCI
1
10 11 12
39
Deux points sur trois conscutif situ dans la zone III

dun mme ct
LCS
LC
LCI
1
10 11 12
Quatre points sur cinq conscutifs sont situs dans la

zone II dun mme ct de la ligne centrale
LCS
LC
LCI
1
10 11 12
40
Six points conscutifs regroups autour dun

alignement rgulier croissant ou dcroissant
LCS
LC
LCI
1
10
11
Huit points conscutifs sont situs de la mme ct

de la ligne centrale
LCS
LC
10
11 12
LCI
41
Dix points conscutifs sont situs dans la zone II et

III
LCS
LC
10
11 12
LCI
Rpartition non quitable des points autour de la

ligne centrale, le nombre des points se trouvant au
dessus de la moyenne nest pas le mme que celui se
trouvant au dessous
LCS
LC
10 11 12
LCI
42
CARACTERISTIQUE DUN PROCESSUS

Stabilit
On dit quun processus est stable ou sous contrle si la forme de la distribution
des mesures est statique (constante). Les distributions la fois de la moyenne et
de lcart type sont invariables et prvisibles dans le temps. Seuls les causes
normales de variabilit sont en action.
Temps
Dimension
Le processus est dit instable ou non sous contrle. Les caractristiques, aussi
bien de la moyenne que de lcart type ou les deux paramtres la fois sont
dynamiques (variables). Par consquent imprvisibles. Seuls les causes
anormales de variabilit sont en action.
Nous allons caractriser un processus par sa capabilit naturelle, son indice de
capabilit.
43
Capabilit naturelle
La capabilite naturelle dun processus est dfinit par son aptitude produire des
produits conformes. Elle est caractrise par sa propre dispersion naturelle. Il est
clair que plus la dispersion naturelle du processus est faible, plus la proportion
de non conformes est faible et plus le processus est dit stable. On dfinit la
capabilit naturelle dun processus par :
Cn6
Rappelons que nous ne faisons aucune rfrence aux spcifications, alors quil
faudra satisfaire les exigences par le plan qui sont les tolrances. Divers cas sont
envisageables, selon la valeur de la capabilit naturelle du processus Cn.
La capabilit naturelle est infrieure lintervalle de

tolrance Cn IT
Il existe une infinit dventualits. On va se limiter aux trois cas extrmes.
Cn
IT
Figure 1
Cn
Cn
IT
IT
Figure 2
Figure 3
On constate que malgr la dispersion naturelle du processus est toujours

infrieur lintervalle de tolrance, on ne peut avoir 100% de conformes que
dans le cas (figure 1) alors que dans les figures 2 et 3 certain proportions de non
conformes est invitables. Le processus est capable mais dcentr.
44
La capabilit naturelle est suprieure lintervalle

de tolrance Cn IT
De la mme manire nous allons mentionner les trois cas de figures.
Cn
IT
Cn
Cn
IT
IT
Les trois figures montrent clairement quil nexiste aucune solution qui
permettra dviter la production de rebuts. Une certaine proportion de non
conformes est toujours prsente, le processus est non capable.
Capabilit
Avant de placer un procd sous contrle, il est ncessaire de vrifier qu'il est capable
de raliser la caractristique contrle en respectant les tolrances demandes.
Pour vrifier cette capabilit on peut calculer un indice de capabilit, il en existe
plusieurs:
- Les indices de capabilit machine (Cm et Cmk)
- Les indices de capabilit procde (Cp et Cpk)
- L'indice de capabilit Cpm ou "indice de capabilit Taguchy".
Les conditions de mesure diffrent pour ces indices.
Le premier indice mesure la capabilit machine uniquement, c'est--dire qu'on ne prend
en compte que la machine. Cela implique que les mesures sont faites de manire ne
prendre en compte que la variabilit alatoire de la machine (pas de changement
d'oprateur, de matires, pas de' rglage). Le deuxime indice peut se raliser sur une
priode de temps plus importante et prend en compte le procd global (machine, maind'uvre, matriel, milieu).
Prenons par exemple un axe de diamtre 10 mm avec une tolrance de 0,1mm.
L'intervalle de tolrance est de : tolrance suprieure - tolrance infrieure =0,2mm.
Le calcul de lindice de capabilit machine Cm est le mme que celui de
lindice de capabilit procd Cp
45
Indice de capabilit Cp
Malgr la dfinition de la capabilit naturelle dun processus Cn6 . On ne peut
pas dire que le processus est capable ou non. Do lintroduction de lindice de
capabilit qui fait confronter la fois les spcifications propres du processus et
les spcifications des du plan.
Lindice de capabilit est dfinit par :
Cp Ts Ti
6
Ts : limite suprieure de la tolrance.
Ti : limite infrieur de la tolrance.
: Lcart type.
Remarque
Si le processus est instable, il est inutile de calculer sa capabilit, elle naura
aucun sens.
46
Les trois situations type du processus : cas processus

centr.
1) 6 TsTi Cp<1
Cp<1 non capable
Le processus est non stable et ne peut

naturellement tenir les spcifications,
il y aura toujours une certaine
proportion de non conforme.
IT=Ts-Ti
Ti
Ts
6
2) 6 TsTi Cp=1
Ti
Ts
le processus est juste capable, il convient

de noter qil sagit dune situation
limite, un lger drglage entrane
lapparition dune certaine proportion
de non conforme.
TI=Ts-Ti
6
47
3)
6 TsTi
Cp>1
Cp=1,33
(Acceptable)
Dans ce cas le processus est dit capable,

aucune proportion de rebut nest
envisageable.
On qualifie un processus :
dacceptable Cp=1,33
de performant Cp=1,66.
Cp=1,66
(performant)
IT=Ts-Ti
Calcul de Cpk
Coefficient de capabilit procd Cpk qui permet dapprcier la
dispersion et le centrage
Le Cpk est dfinit par :
Cpk min(
Ts x x Ti
;
)
3
3
48
Signification du coefficient Cpk

Cpk < 1 : procd nest pas capable de maintenir toute
la production dans les spcifications
1 < Cpk < 1,33 : cest le minimum acceptable : il faut
amliorer le procd
1,34 < Cpk < 2 : le coefficient est bon : il faut continuer
les efforts
Cpk > 2 : le coefficient
Lobjectif essentiel de la MSP tant lamlioration continue du
procd, le Cpk sera le coefficient privilgi suivre pour
valuer cette amlioration.
Calcul de Cpm
Lindice de capabilit Cpm ou iindice de capabilit Tagauchy veille
ce que lon ne sloigne pas trop dune valeur cible en gnral le milieu
de lintervalle
Le Cpm est dfinit par :
Ts Ti
Cpm
6
n( X T )
n 1
T: la valeur cible
49
Application
La cote raliser est de 1048 mm
L'cart-type estim est de 0,12mm
La moyenne est de 10 mm
Calculer Cp et Cpk
Solution
Calcul de Cp et Cpk :
Cp
Ts Ti 10,48 9,52 0,96
1,33
6
6 x0,12
0,72
X Ti Ts X
Cpk min
,
3
3
10 9,52 10,48 10

,
1,33
3 x0,12
3 x0,12
La machine est capable et elle est bien rgle: elle peut tre mise sous
contrle.
Application
La cote raliser est de 1048 mm
La moyenne est de 10,24 mm
Calculer Cp et Cpk
Solution
Calcul de Cp et Cpk :
Cp
Ts Ti 10,48 9,52 0,96
1,33
6
6 x0,12
0,72
X Ti Ts X
Cpk min
,
3
3
10,24 9,52 10,48 10,24

,
0,66 1,33
3 x0,12
3 x0,12
50
Dans le troisime cas, la machine est capable mais pas bien rgle: il
faut donc rgler la machine.
Application
La cote raliser est de 10l mm
La moyenne est de 10,24 mm
La valeur cible T est de 10mm
et n = 50.
Calculer Cpm,Cm et Cm.
Solution
Calcul de Cp, Cpk et Cpm:
Cp
Ts Ti 11 9
2
2,77
6
6 x0,12 0,72
X Ti Ts X
Cpk min
,
3
3
10,24 9 11 10,24

,
2,11 1,33
3 x0,12
3 x0,12
Dans le dernier cas, la machine, au vu des deux premiers indices, est

bien rgle et bien centre.
Mais si on calcul Cpm
2
Cpm
n( X T )
50(10,24 10)
0,12 2
0,27
n
49
2
1,23 1,33
6 x0,27
Il nest pas bon car, bien que lon reste largement dans les tolrances, on
sloigne de la cible
51
MISE EN UVRE DES DIFFERENTS CARTES

DE CONTROLE
Prsentation
Il existe deux types de cartes savoir :
Les cartes aux mesures et les cartes par attributs.
Les cartes aux mesures

La caractristique ou paramtre surveill est mesurable ou quantifiable
(diamtre dun axe en millimtre, rsistance en ohm, poids en kilogramme, flux
en tesla, etc.). on distingue :
1)Les cartes de la tendance centrale
* de la moyenne
* de la mdiane
2)Les cartes de la dispersion
* de lcart type
* de ltendue
Comme il a t mentionn auparavant la carte de la tendance centrale ne permet
de mettre en vidence que la prsence des causes anormales, il est alors
judicieux dutiliser les cartes mixtes (couple de carte) qui intgrent la fois la
tendance centrale et la dispersion.
* les cartes de la moyenne et de lcart type
* les cartes de la moyenne et de ltendue
* les cartes de la mdiane et de lcart type
* les cartes de la mdiane et de ltendue
* les cartes aux mesures individuelles et de ltendue
52
Les cartes par attributs

Elles sont utilises pour la surveillance des caractristiques quantitatives ou
qualitatives lorsquelles sont classes simplement en conformes ou non
conformes.
On distingue :
* la carte du nombre de non conformes
* la carte de la proportion de non conformes
* la carte du taux de non conformit
* .
Implantation des cartes de contrle

Premire tape
La premire tape consiste prlever successivement des chantillons
gnralement de quatre cinq individus. La frquence des prlvements dpend
de la tendance des produits fabriqus et du processus lui mme. Dune faon
gnrale les chantillons devront tre prleves assez souvent pour reflter tout
changement ventuel. Au dbut de ltude il est recommand de procder des
prlvements intervalle court, puis allonger ces priodes au fur et mesure de
lapprciation du processus. Le nombre dchantillons en pratique est environ
trente chantillons (25 35).
Deuxime tape
Une fois la stabilit du processus acquise, on procde limplantation des cartes
de contrle dites provisoires. Les limites de contrle sont calcules partir des
chantillons prlevs durant la premire tape.
53
Troisime tape
Les limites de contrle provisoires ayant t, on passe au contrle proprement
dit. Certain variations plus au moins frquentes peuvent se produire au dbut,
des points sortiront des limites de contrle. On procde alors la recherche des
causes qui auraient pu tre lorigine de ces variations. On liminera ensuite les
chantillons concerns. On prlve une nouvelle srie dchantillons. On
procde nouveau au calcul des limites de contrle et on rpte cette opration
jusqu linstauration des limites de contrle dfinitives. A ce stade on passe la
surveillance.
Calcul et estimation des paramtres ncessaires la

construction des cartes de contrle
On considre le tableau suivant.
j
i
1
.
.
i
.
.
n
X11
X1j
X1r
Xi1
Xij
Xir
Xn1
Xnj
Xnr
Les indices i et j reprsentes respectivement lordre de prlvement des

individus au sein des diffrents chantillons et celui des chantillons au sein de
leur population soient :
1i n
1j r
54
r : nombre des chantillons prlevs

n : tailles des chantillons (elles peuvent tre diffrentes)
N : taille de lensemble des individus (N=nxr)
Xij : mesures individuelles
X : Moyenne de lensemble des individus
X.. : moyenne des moyennes des diffrents chantillons
: Lcart type de lensemble des individus
i : cart type de chaque chantillon
X.j : Lcart type des moyennes des diffrents chantillons
.. : moyenne des cart type des diffrents chantillons
W : ltendue de lensemble des individus
Wi : ltendue de chaque chantillon
W.. : moyenne des tendue des diffrents chantillons
W.j : cart type des tendues.
Les diffrentes distributions

1- Le processus est identifi par la distribution de lensemble des individus
prlevs. Cette population est caractris par sa tendance centrale (moyenne) et
sa dispersion (cart type ou tendue) N( X ,) Soient :
n
X
i 1 j 1
ij
1 X ij X
N 1 i 1 j 1
n
W=Xijmax-Xijmin
Xijmax : la plus grande mesure individuelle,

individuelle
Xijmin : la plus petite mesure
2- Les distributions des diffrentes chantillons sont caractris par leur

moyenne et leurs dispersion N( X i , i ).
n
i 1
i 1 X i X
n 1 i 1
n
55
3- La distribution des moyennes des diffrents chantillons est caractris par sa

tendance centrale (moyenne) et sa dispersion (cart type ou tendue) N( X.. , X.j ).
r
X..
X j
j1
X, j 1 X j X..
r 1 j1
Lcart type de la distribution des moyennes des diffrents chantillons est gal
:
X, j
n
Par ailleurs lcart type du processus est gnralement diffrent de la moyenne
des cart-types des chantillons. De ce fait il est corrig par le biais de la
constante a do la relation :
..
a
Puisque lcart type et ltendue caractrisent tous les deux la dispersion, il sont
alors intimement lis. De ce fait des relations ont t tablies pour calculer
lcart-type partir de ltendue et vice versa, on trouve ainsi les relations
suivantes :
W..
b
On peut aussi calculer lcart type des tendes
tendues W.. Soit :
w. j partir de la moyenne des
w.j W..
bc
Les constants a, b et C sont fournies par le tableau.
56
La figure qui suit prsente les relations liant la moyenne, lcart type de la
population mre
(processus) et les diffrents chantillons (prlvements).
N( X.. ,) processus
X..
Echantillons
Ech 1
Ech 2
Ech j
Ech r
X1
X2
Echantillons
Moyenne des
chantillons
Xj
N( X.. ,
Xr
) Distribution de la moyenne
n
des chantillons
X..
57
Tableau rcapitulatif
Distributions
Caractristiques
Des mesures
individuelles
Des moyennes des

chantillons
Des tendues des

chantillons
Moyennes
X..
W..
Ecart type
.. ou W..
a
b
..
a n
ou
.. W..
ac ou bc
W..
b n
Pour calculer les limites des cartes de contrle aux mesures, il suffit de connatre
les trois paramtres suivants :
* La taille de lchantillon n
* La moyenne des moyennes des diffrents chantillons X..
* La moyenne des tendues des diffrents chantillons W..
Application
j
10
35
30
10
30
40
30
30
30
10
20
40
20
35
25
30
55
30
30
30
35
15
25
35
50
15
30
25
30
15
30
40
40
25
30
45
35
40
50
20
35
25
40
40
05
45
40
10
35
30
30
Xi
31
31
29
28
35
38
27
35
21
30
10,84
08,95
11,94
16,05
12,75
10,37
10,95
08,66
08,94
06,12
Wi
25
20
30
45
30
25
30
20
20
15
58
1) Calculer X , et W de la distribution de lensemble des individus

X =30,5
=10,844 (non biais)
W=55-5=50
2) Calculer les caractristiques de la distribution des moyennes des diffrents

chantillons
X.. 31.....30
10
X, j
X..30,5
3130,52 .....3030,52
9
X, j 4,813
Le calcul par le biais du thorme centrale limite donne
10,844
X, j
4,849
n
5
A 3% ce rsultat concide parfaitement avec celui donn par le calcul directe sur
les diffrents chantillons.
3) Calculer les caractristiques de la distribution des tendues.

W.. 25.....15 26
10
w, j
20262 .....15262 8,432

9
La moyenne des cart types des diffrents chantillons est donn par :
10,84.....6,12
..
10,557
10
59
4) Tableau rcapitulatif
Distributions
Caractristiques
Des mesures
individuelles
Des moyennes des

chantillons
Des tendues des

chantillons
Moyennes
X =30,5
X.. =30,5
W..=26
Ecart type
10,844
X, j 4,813
w, j 8,432
Etendue
W=50
WX, j 17
WW, j 30
Reprsentation graphique
Du processus N( X =30,5 ; 10,844 )
Des moyennes N( X.. =30,5 ; X, j 4,813 )
Des tendues N(W..=26; w, j 8,432 )
Construction de la carte de la tendance centrale

Carte de la moyenne construite partir de lcart
type
La carte de la moyenne appele (X barre) dcoule directement de lapplication
de lintervalle de confiance sur la moyenne des moyennes des diffrents
chantillons.
Comme il a t mentionn auparavant les diffrents distributions suit une loi
normale, donc la distribution des moyennes des diffrents chantillons suit une
loi normale.
N( X.. ,
) [ X = X..
n
X, j ]
n
60
Pour un niveau de confiance de 2%= (erreur de premire espce) nous aurons.
X..3,09 X X..3,09
n
n
LCI LC LCS
3,09correspond au U1 2 U0,9993,09 donn dans les tables de la loi normale

centre rduite.
.. donc lintervalle de confiance

En remplaant lcart type par sa valeur
a
se prsente comme suit :
X..3,09 .. XX..3,09 ..
a n
a n
On peut prendre 3 au lieu de 3,09 car ceci ne change pas grand chose au
niveau de la prcision.
Les limites de contrle dfinitives sont de la forme :
LCS X.. A..

LC X..
LCI X..A..
Avec A 3 (Tableau) Pour n=10 a=0,9727
a n
A=1,287
61
Carte de la moyenne construite partir de ltendue

Au moment que lcart type peut tre calcul partir de ltendue, il suffit de
remplacer
..
par W
b
W.. XX..3,09 W..

donc : X..3,09
b n
b n
Les limites de contrle se mettent sous la forme :
LCSX..BW..
LC X..
LCIX..BW..
Avec B 3
b n
(Tableau) Pour n=5 b=2,326
B=0,577
Construction de la carte de la dispersion

Carte de lcart type (Appele Segma)
Les limites de contrle sont calcules partir de lintervalle de confiance sur
X, j il sagit dun intervalle non symtrique car il est rgi par une distribution de
Khi deux.
62
On dfinit les limites de contrle par
LCSE1..
LC..
LCI E2..
Carte de ltendue
Les limites de contrle sont dfinies par
LCSF1W..
LCW..
LCI F2W..
(E1 , E2 , F1 , F2
donnes par des tables)
63
Prsentation des cartes de contrle

Couple de carte de la moyenne
et de lcart type
1) Noter les paramtres suivants :

Taille de lchantillon n=
Nombre dchantillon r=
Moyenne des moyennes X..
Moyenne des cart types ..
2) Calculer les limites de contrle

Calculer les limites de contrle de X
LCS X.. A..

LC X..
LCI X..A..
Calculer les limites de contrle de
LCSE1..
LC..
LCI E2..
64
Application couple de carte de la moyenne et de lcart type

Le tableau ci-dessous reprsente une srie de mesures dune population de
pices plastiques moules sur une presse injection, le classement est effectu
en fonction du numro dordre de prlvement dans la population, les mesures
ont t effectuer parle mme oprateur et dans des conditions strictement
identiques.
i
1
10
11
12
13
14
15
16
j
1
6,09 6,10 6,30 6,58 6,35 6,33 6,40 6,41 6,32 6,67 6,91 6,95 6,04 6,68 6,63 6,65
6,01 6,15 6,58 6,42 6,38 6,25 6,20 7,02 6,46 6,67 6,07 6,40 6,44 6,34 6,04 6,15
6,63 6,17 6,99 6,50 7,10 6,55 6,63 6,64 6,75 6,70 6,86 6,44 7,15 6,70 6,59 6,51
5,88 6,98 6,85 6,80 6,90 6,71 6,28 6,51 7,19 6,63 6,59 6,35 7,17 6,83 6,25 6,96
5,90 6,45 6,48 6,81 6,77 6,60 6,52 6,47 6,49 6,29 6,52 6,80 5,84 6,15 6,25 6,57
Xi
i
Wi
Complter le tableau ci-dessus

Calculer .. , W .. et X ..
Tracer la carte de contrle du couple de cartes de la moyenne et de
lcart type
65
Couple de carte de la moyenne X et de ltendue W

Lavantage dutiliser W au lieu de rside dans sa simplicit de mise en uvre,
cependant il prsente linconvnient dtre sensible la variations puisquelle
tient compte que des valeurs extrmes. Elle est peu efficace.

Moyenne des moyennes X..
Moyenne des tendues W..

Calcule des limites de contrle de X
LCSX..BW..
LC X..
LCIX..BW..
Calcule des limites de contrle de W
LCSF1W..
LCW..
LCI F2W..
66
Application couple de carte de la moyenne et de ltendue

Le tableau ci-dessous reprsente : des chantillons de cinq pices
conscutives sont prlevs toutes les trente minutes sur une presse
injecter les matires plastiques. On effectue la mesure de la masse en
grammes
i
1
10
11
12
13
14
15
16
7,59
7,60
7,80
8,15
8,18
7,82
7,83
7,54
7,90
7,91
8,13
8,08
8,41
8,45
7,60
8,41
7,51
7,65
8,08
7,65
7,84
7,96
7,75
7,94
7,70
8,52
7,54
7,92
7,57
7,90
7,65
7,57
8,13
7,67
8,49
8,01
8,20
8,25
8,05
8,55
8,13
8,14
8,09
8,00
8,36
7,94
7,67
8,36
7,38
8,48
8,35
8,44
8,33
8,69
8,21
8,57
7,78
8,01
7,75
8,30
8,09
7,85
8,48
8,09
7,40
7,95
7,98
8,07
8,65
7,99
8,10
7,34
8,02
7,97
7,75
8,31
8,02
8,30
7,95
8,02
Xi
i
Wi

Tracer la carte de contrle du couple de cartes de la moyenne et de
ltendue
67
Couple de carte de mdiane
~
X
et de ltendue W
La carte de la mdiane est utilise au lieu de la moyenne, elle ne demande aucun

calcul. Elle est simple mettre en vidence. La mdiane dans une distribution
est la valeur situe de telle faon avoir autant de valeurs gauche qu droite.
Il faudra avoir un chantillon de taille impair.

~
Moyenne des mdianes X.

~
.
~
LCSX.CW..
~
LCX.
~
LCIX.CW..
Calcule des limites de contrle de W..
LCSF1W..
LCW..
LCI F2W..
68
Application couple de carte de la mdiane et de ltendue

Un dispositif automatique de pesage de poudres est rgl pour obtenir des doses
de 300 grammes. Un agent du service qualit prlve toutes les 15 minutes un
chantillon de cinq doses et en effectue le pesage sur une balance de prcision.
les valeurs releves sont les suivantes :
i
1
10
11
12
j
1
300,20 300,00 300,35 300,20 299,70 300,05 300,15 299,95 300,05 300,25 299,85 300,05
300,15 300,20 300,20 300,20 300,10 300,15 300,20 300,00 300,25 300,10 299,80 300,10
300,05 300,30 300,25 300,00 300,05 299,85 299,75 300,20 300,05 299,75 299,70 300,15
300,35 300,25 300,30 300,35 300,20 299,85 299,80 300,15 299,85 299,80 300,00 299,95
300,20 300,30 300,05 300,30 300,20 300,05 299,85 300,15 299,95 299,85 300,00 300,10
Xi
i
Wi

Tracer la carte de contrle du couple de cartes de la mdiane et de
ltendue
69
Couple de carte aux mesures individuelles X et de

ltendue W
Dans ce cas particulier la taille de lchantillon est toujours gale lunit. Il nest donc plus
possible de calculer la dispersion du processus (le calcul de ltendue et de

lcart type ncessite au moins un chantillon de taille gale 2. pour rsoudre
ce problme, on consiste utiliser la variation dune mesure lautre comme
dans le cas dun chantillon de taille gale 2). Par ailleurs le calcul de la
dispersion se fera sur ltendue, elle reprsente la diffrence entre deux mesures
conscutifs, une fois on dpass cet obstacle les calculs se feront comme sil
sagissait dun chantillon de taille gale deux.

Taille de lchantillon n=2
Moyenne des moyennes X

LCSXDW..
LCX
LCI XDW..
Calcule des limites de contrle de W..
LCSF1W..
LCW..
LCI F2W..
70
Carte de contrle de non conforme CARTE NP

Cette carte appele carte NP permet de suivre lvolution du nombre de non
conformes dun chantillon un autre. Dans ce cas on utilise la distribution
dune loi binomiale. La moyenne et lcart type du nombres de non conformes
sont donnes par :
Moyennenp
Ecarttype np1p
n : Taille de lchantillon
p : Proportion de non conformes dans la population sur laquelle lchantillon est
prlev (gnralement estime)
Procdure
1) On note les paramtres suivants.
Nombre dchantillon. r=
2) Compter le nombre de non conformes par chantillon.
d1 ,d2..dr-1 ,dr
3) Compter le nombre total de non conformes.
D= d1 +d2+..+dr-1 +dr
4) Calculer le nombre total dindividus contrls
N=nr.
5) Calculer la proportion de non conformes pour lensemble des r chantillons.
p0 D d1 d 2.....d r 1 d r
N
n*r
71
6) Calculer la moyenne
np 0
7) Calculer lcart type
np 01p0

LCSnp 0 3 np 01p0
LCnp 0
LCI np 0 3 np 01p0
Dans le cas o LCI est ngative, elle prendra la valeur zro.
REMARQUE
Ce type de carte est utilis lorsque la taille de lchantillon est constante.
Interprter la carte (NP)

Sassurer que le systme
Points hors limites (taille ? critres ? systme de
Au dessus de LCS : dtrioration (corriger)
Au dessous de LCI : amlioration (comprendre et implanter
Suites de points du mme ct de la moyenne
Autres signes dinstabilit

Suites de points du mme ct de la moyenne
Point trop prs ou trop loin de la moyenne (taille, chantillonnage et
origine du produit) : contrler sparment
72
Observer, analyser et dclencher des actions

damlioration
Suivre lefficacit des amliorations
Si tude initiale, exclure points anormaux, recalculer et fixer nouvelles
limites
Fixer nouvelles limites aprs chaque amlioration du procd
Pour amliorer la capacit dun procd : Sattaquer aux causes
normales
73
Application carte np
Une compagnie fabrique des appareils lectromnagers. Les rsultats de
l'inspection finale d'un certain modle pour le mois de novembre sont: On
procde au prlvement de 25 chantillons de 140 individus.
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Total
Date
Mai.9
I
II
Mai. 10 I
II
Mai. 11 I
II
Mai. 12
I
II
Mai. 15 I
II
Mai. 16 I
II
Mai. 17
I
II
Mai. 18 I
II
Mai. 19 I
II
Mai. 22 I
II
Mai. 23 I
II
Mai.24 I
II
Mai. 25 I
Nombre
Pourcentage
d'appareils
d'appareils
non conformes non conformes
14
13
8
16
17
11
25
16
15
12
13
15
16
19
12
16
11
12
16
18
14
17
18
28
16
A- Compltez le tableau.
B- Tracez la carte de contrle adquate en utilisant toutes les donnes
disponibles mais en se basant sur Je nombre moyen des appareils vrifis.
C- proposer une carte de contrle pour le mois de juin
74
Carte de contrle de la proportion de non

conformes CARTE P
Il sagit ici dune carte qui permet de suivre la proportion de non conformes. La
diffrence entre la carte NP et la carte P cest que la dernire est utilis
lorsque les chantillons ont une taille variable.
Pour le cas o les chantillons ont la mme taille

d1 ,d2..dr-1 ,dr
3) Calculer la proportion de non conformes par chantillon.
d1 , d 2 , . d r 1 , d r
n
n
n
n
4) Calculer la proportion moyenne de non conformes pour lensemble des r
chantillons.
p0 D d1 d 2.....d r 1 d r
N
n*r

LCSp0 3
p01p0
n
LCp0
LCI p0 3
p01p0
n
75
Pour le cas o les chantillons nont pas la mme

taille
Taille de chaque chantillon n1, n2 , nj ,. nr-1 nr
Nombre total dindividus contrls N=
d1 ,d2..dr-1 ,dr
3) Calculer la proportion de non conformes par chantillon
d1 , d 2 , . d r 1 , d r
n1 n 2
n r 1 n r
4) Calculer la proportion moyenne de non conformes pour lensemble des r
chantillons.
p0 d1 d 2.....d r 1 d r
N
N= n1+ n2 + nj +. nr-1 + nr
Approche pratique
Dans le cas, taille variables, limites variables
Utilis la taille moyenne pour calculer les limites de contrle
recalculer les limites de contrle pour les chantillons dpassant
25% de la taille moyenne
Calculer les limites de contrle

Pour la taille moyenne nm oy
LCS p0 3
p0 1 p0
nm oy
LCp0
LCI p0 3
p0 1 p0
nm oy
76
Application carte p
Une compagnie fabrique des appareils lectromnagers. Les rsultats de
l'inspection finale d'un certain modle pour le mois de novembre sont:
No.
Date
Nombre
d'appareils
vrifis
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Total
Nov.9
Nov. 10
Nov. 11
Nov. 12
Nov. 15
Nov. 16
Nov. 17
Nov. 18
Nov. 19
Nov. 22
Nov. 23
Nov.24
Nov. 25
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
170
135
137
170
45
155
195
180
181
115
165
189
165
170
175
167
141
159
181
195
165
140
162
191
139
3987
Nombre Pourcentage
d'appareils
non
d'appareils
conforme
8
4,7
13
9,6
26
30
3
11
7,1
30
36
38
21,0
33
26
15,8
15
16
35
12
6
3,6
50
35,5
26
16
38
33
21
18
11,1
22
11,5
16
578
A- Compltez le tableau.
B- Tracez la carte de contrle adquate en utilisant toutes les donnes
disponibles mais en se basant sur Je nombre moyen des appareils vrifis.
C- proposer une carte de contrle pour le mois de dcembre
77
La carte de contrle C
On enregistre c : le nombre de non conformit par unit contrle
C moyen = somme (ci)/k ou ci est le nombre danomalies de lunit i et k
est le nombre dunits contrles
k
Calculer les limites de contrle
LCS C 3 C
LC C
LCI C 3 C
78
Application
Lors dune enqute sur la qualit du dossier patient on a repr les
lments suivants
Anomalies
RUM n
APR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
DSNR
DCPNS
Donne
Admin
Actes
2
1
Total
1
2
4
3
0
1
0
1
1
0
0
1
0
0
0
4
1
0
0
1
0
1
1
1
3
1
APR: Absence dune pice rglementaire. DSNR: dlai de sortie non respect
DCPNS: Dossier comptant des pices non signs
Solution
4,5
4
3,5
3
2,5
LSC
LIC
1,5
1
0,5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
LCS= 3,75
LC=0.9
LCI=0
79
Diagrammes cause effets (ISHIKAWA)

Introduction
Lauteur de ce diagramme est le professeur ISHIKAWA prsident de linstitut
technologique Musashi, il a dvelopp ce mode dapprhension des problmes
et des solutions par des cercles de qualit dont il est dailleurs linstigateur.
Lide est que tous les membres du cercle qualit peuvent sexprimer de faon
parfaitement clair par crit. Il est lorigine de la cration de la fameuse arte de
poisson. Celui d ISHIKAWA unique en son genre permet de dcrite les causes,
les variables dun processus (utile vis--vis de la nouvelle norme).
Ses atouts sont nombreux.
Excellent moyen de communication
Applications trs varies : prise de note, planning, rapport,.
Description
Une grande flche horizontale exprime le rsultat dsir : leffet, la
consquence. Ce rsultat peut tre : une caractristique, une consquence, une
opration, un but, un objectif, un rsultat.
Les autres flches disposent en artes de poisson autour de laxe principale
dclinent les causes. La subdivision peut se poursuivre jusqu ce que toutes les
causes possibles aient t identifies.
Effet
80
Recommandations
Pour viter dalourdir le schma, il est recommand de ne pas dpasser six
flches obliques, autrement dit six activits ou causes principales.
Pour dfinir les causes et les effets, on peut se rfrer aux mthodes rsolution
des problmes
Pour dfinir les principales familles de causes il est recommand dutiliser les
cinq M universels et utilisables dans tous les services.
Machines : tout ce qui ncessite un investissement et sujet amortissement :
exemple : locaux, outillages.
Main-duvre : cest le personnel, la hirarchie, toutes les personnes qui
concourent la marche de lentreprise.
Mthodes : cest la faon de faire : les gammes, les spcifications, les modes
demploi, les notices, les instruction, les processus.
Matires : tout ce qui est consommable : fluides, matires premires, le papier,
llectricit
Milieu : cest lenvironnement, les conditions de travail, lambiance de travail,
les relations, les contacts, les fournisseurs.
Pour tracer le diagramme il sagit de positionner les mots clefs sur le schma et
de se mettre daccord par un vote pondr.
Matrice de compatibilit
81
But
Prparer la dcision l'occasion du choix : d'un problme, ou d'une solution ou
d'une action entreprendre
Prenant en compte les critres de choix : contraintes imposes, objectifs
atteindre, fonctions remplir
Droulement :
Lister les critres : contraintes imposes, objectifs atteindre, fonctions
remplir
Etablir la liste des problmes, ou des solutions, ou des actions entreprendre
parmi lesquels il Faire un choix.
Tracer un tableau 2 entres :

Une ligne pour chaque critre de choix
Une colonne pour chaque problme, ou solution ou action
Dans chaque case noter :

o
o
o
o
(+) : s'il y a compatibilit avec le critre

(-) : s'il y a incompatibilit
(?) : s'il est pas possible d'en dcider
rien s'il y a indpendance
Exemple
Logistique distance longue pour des denres prissables
CRITERES
Cot : moins de....
Scurit
Rapidit (plus de 200
Km/h)
Prservation aliments
Train
+
+
Bateau
-
Camion
+
?
En dehors de la rponse Train qui rpond positivement tous les critres, le

choix entre les autres moyens de transport dpendra de l'importance relative pondration que l'on attribuera aux diffrents critres.
Brainstorming
82
Le brainstorming est mthode de travail de groupe pour gnrer des ides. Il

peut tre utilis dans diffrentes phases de projet. Dans la phase desquisse pour
runir des ides pour le projet, dans la phase de ralisation lorsque lesprit est
encombre par le travail es cours, dans la phase de conclusion pour trouver des
solutions cratives aux dernires des taches de projet.
Le brainstorming est une technique de crativit en groupe permettant de
produire le plus d'ides possibles, dans un minimum de temps sur un thme
donn.
Cette technique est utilis dans la plupart des tapes de la rsolution de
problmes, notamment pour :
Recenser les problmes tudier lors du lancement d'un projet ou pendant son
droulement. Dterminer les causes possibles du problme tudi.
Trouver toutes les solutions ou lments de solution possibles.
Mthodologie
Le brainstorming doit tre organis par un animateur qui doit :
Annoncer le but recherch du brainstorming.
Sassurer de la reprsentativit des personnes convoques,
Disposer d'un support pour noter les suggestions qui resteront visibles au groupe
de rflexion
Animer le groupe en favorisant la production d'ides.
Marche suivre
A- Choisir un animateur
Pour conduire un brainstorming, il faut un animateur, cette fonction peut tre
remplie par un membre de groupe ou un professionnel externe. Le rle de
lanimateur est de runir et mettre crit les ides qui mergent. Ainsi que de
diriger les tapes de classement, valuation et interprtation des ides.
B- Formuler prcisment la question

L'animateur rappelle les rgles de fonctionnement puis il prsente et formule le
problme sous forme d'une question. La question de dpart doit tre formule de
telle sorte que tous les participants partent dun mme point de dpart
C- Runir des ides

83
L'animateur demande aux membres du groupe de noter dans un temps limit

(autour de cinq minutes), sur une feuille toutes les ides sur le sujet, leur passant
par la tte.
Cette phase peut tre ralis sans le support papier, puis les participants au
brainstorming (maximum 15) expriment brivement et le plus spontanment
possible tout ce que leur voque la question. Lanimateur crit chaque
proposition sur une carte puis dispose les cartes sur la table ou sur un tableau.
Les remarques, jugement critiques ou demande de prcision ne sont pas encore
admis. Par contre, toutes les propositions rsultant dides dj formules sont
les bienvenus. Le brainstorming est termin aprs environ 15 minutes (ou quand
les ides sont puises)
D- Exploiter et valuer
Aprs la phase crative, les ides sont classes, ce moment l, les demandes de
prcision sont admises et les ides peuvent tre discutes et critiques.
L'animateur relit avec le groupe, toutes les ides notes afin de reformuler des
ides peu claires et d'liminer les ides hors sujet. On peut ensuite tenter de
regrouper les ides similaires et de reformuler les ides finales. Il convient alors
dans un dernier temps de hirarchiser ces ides pour mettre en vidence les
priorits recherches qu'il s'agisse des causes ou des solutions un problme. On
pourra pour ce faire avoir recours au vote, a l'utilisation de l'expansion de
fonctions (attribution de notes aux ides) ou encore au diagramme cause/effet
E- conclusion
Dans la dernire tape, on peut dcider des procds futurs en sinspirant des
ides apparues lors du brainstorming en dduire des recommandations et des
mesures prendre.
Le brainstorming permet donc de parvenir trouver grce la rflexion
collective les causes possibles d'un problme et les solutions celui-ci.
Toutefois pour accrotre la crativit du groupe, il convient de :
Laisser libre cours ses rflexions sans rien justifier
Favoriser la quantit en disant le plus possible d'ides
Sinspirer des ides des autres pour les enrichir ou les complter
Sabstenir de critiquer, de discuter ou de juger les ides mises.
84
Le QQOQCP
Le QQOQCP est un outil simple usage multiple, au regard de la nouvelle
norme et des impratifs dapprocher lorganisme par ses processus, il autorise
demble les bonnes questions.
Q : Quoi,
Q : Qui,
O : O,
Q : Quand,
C : Comment,
P : Pourquoi.
Cet outil trouve une certaine efficacit dans la rsolution des problmes. En
effet, pour une analyse systmique et pragmatique des informations et donnes
au problme, il devient ncessaire dcrire ce qui est le problme et ce qui ne lai
pas. Lexamen des dfrences permet disoler le problme global ce que lon
propose dtudier. Le QQOQCP permet de poser de nombreuses questions o
limagination na pas de borne. Son but est de parvenir une formulation claire
et prcise du problme. Pour la rsolution des problmes le QQOQCP se
prsente sous forme dun tableau.
Questions
est
Quoi ? pices, places,
sous-ensembles,
produits, services,
maintenance,
machines, gammes,
procdures,
..
Qui ? le personnel,
fournisseurs, clients,
..
O ? atelier, service,
lieu, distances,
rception, chez le
fournisseur, chez le
client, accueil
..
Quand ? le jour, quel
jour, lheure, le
matin, le mois,
.
Comment ?
fournisseurs,
transport, matriel,
Pourquoi ?
Nest pas
Diffrence
85
AMDEC (analyse des modes de

dfaillance, de leurs effets et de leurs
criticits)
Historique de lAMDEC
Technique spcifique de la sret de fonctionnement, l'Analyse des Modes de
Dfaillance, de leurs Effets et de leur Criticit (AMDEC) est avant tout une
mthode d'analyse de systmes (systmes au sens large compos d'lments
fonctionnels ou physiques, matriels, logiciels, humains ...), statique, s'appuyant
sur un raisonnement inductif (causes consquences), pour l'tude organise des
causes, des effets des dfaillances et de leur criticit.
L'AMDEC a t employe pour la premire fois partir des annes 1960 dans
le domaine de l'aronautique pour l'analyse de la scurit des avions. Cette
mthode a t employe comme une technique dvaluation des dfaillances afin
de dterminer la fiabilit dun quipement ou dun systme. Les dfaillances
taient classes selon leurs impacts sur le personnel et la russite des missions
pour la scurit de lquipement. Le concept personnel quipement
interchangeables ne sapplique pas dans la fabrication des biens de
consommation. Les fabricants des produits de consommation ont tabli de
nouvelles valeurs telles que la scurit et la satisfaction client. En 1988, lISO
mettait les normes de la srie ISO9000, le QS9000 sont lquivalent de
lISO900 pour automobile. Un groupe de travaille a dvelopp le QS9000 pour
standardiser les systmes qualit des fournisseurs conformment au QS9000,
les fournisseurs automobiles doivent utiliser la planification qualit des procds
incluant loutil AMDEC et dveloppant les plans de contrle. La planification
qualit des procds est une mthode structure pour dfinir et tablir les tapes
ncessaires assurer quun produit satisfait aux exigences du client et le plan de
contrle aident le fabriquant produire des produits de qualit.
LAnalyse des Modes de Dfaillance, de leurs Effets et de leur Criticit
(AMDEC) est une mthode danalyse qualitative et prvisionnelle de la sret
de fonctionnement des systmes industriels.
AMDEC, applique aux processus de fabrication lors de leur laboration ou de
leur exploitation a pour objectif damliorer la qualit des produits en amliorant
les oprations de fabrication de ci-aprs :
Identification exhaustive des risques de non-conformit du produit
Mise en vidences des oprations critiques
Dfinition des actions correctives ncessaires
86
Bien qu'ayant subi de nombreuses critiques dues au cot et la lourdeur de son

application, elle reste nanmoins une des mthodes les plus rpandues et l'une
des plus efficaces. Elle est en effet de plus en plus utilise en scurit,
maintenance et disponibilit non seulement sur le matriel, mais aussi sur le
systme, le fonctionnel et le logiciel.
Aussi est-elle maintenant largement recommande au niveau international et
systmatiquement utilise dans toutes les industries risque, comme le
nuclaire, le spatial et la chimie, dans le but de faire des analyses prventives de
la sret de fonctionnement.
Dans le ferroviaire, la mthode a t exprimente sur le logiciel critique dans le
cadre des projets SACEM de la RATP et MAGGALY de SEMALY. Une
adaptation de cette mthode a donn naissance la mthode AEEL (Analyse des
Effets des Erreurs du Logiciel) qui ressemble beaucoup l'AMDEC.
Mthodologies gnrales AMDEC

Avant de se lancer dans la ralisation proprement dite des AMDEC, il faut
connatre prcisment le systme et son environnement. Ces informations sont
gnralement les rsultats de l'analyse fonctionnelle, de l'analyse des risques et
ventuellement du retour d'exprience. Une tude AMDEC seffectue en quatre
tapes
1er tape : Initialisation

Dfinition du systme tudier (ou processus analyser).
Rassembler la documentation technique disponible sur le systme (machine ou
processus) et son plan de surveillance. Pour le cas dun processus dfinir le
produit (ou la pice) concern par le processus et rassembler la documentation
technique disponible sur le produit. Alors que pour une machine dfinir la phase
de fonctionnement.
87
Dfinir les objectifs atteindre

AMDEC machine : Lobjectif de base est fond sur le travail de groupe, destine
mettre en vidence les dfaillances du systme (machine) tudi permettant de
prvenir les dfaillances du systme afin damliorer sa maintenance et
daugmenter la disponibilit du systme au cours de son exploitation.
AMDEC processus : Dfinir les objectifs atteindre et le champ des
interventions proposer : qualit du produit, cot, scurit du processus,
validation et amlioration du processus.
Constitution du groupe de travail

Constituer un groupe de cinq huit personnes motives et comptentes
Responsable de ltude (demandeur), Animateur, participants et des rdacteurs
Il faut aussi planifier des runions, fixer un planning, limiter la dure des
runions, choisir un local, prparer des supports de travail.
2me tape : Dcomposition fonctionnelle (analyse

fonctionnelle du processus)
AMDEC machine : cest une tape indispensable, car il nous permis de
connatre les fonctions du systme (machine) pour analyser ensuite les risques
de dysfonctionnement et avoir un vocabulaire commun entre les membres du
groupe de travail. Identifier les fonctions des sous systmes. Identifier les
fonctions des lments des sous systmes.
AMDEC processus : diagramme du flux du processus : pour le processus il faut
analyser les oprations lmentaires du processus et lenchanement
chronologique des oprations. Pour chaque opration : il faut prciser sil sagit
dune caractristique de scurit, de rglementation ou critique, quels sont les
moyens utiliss, quipements matriels, procdures utiliss
Il faut galement dterminer comment et quel fin l'AMDEC sera exploite et
dfinir les moyens ncessaires, l'organisation et les responsabilits associes.
88
3me tape : analyse AMDEC (analyse AMDEC

processus)
AMDEC machine : analyse de mcanismes de dfaillances : Il faut valuer les
effets des modes de dfaillance. Les effets de mode de dfaillance d'une entit
donne sont tudies d'abord sur les composants directement interfacs avec
celui-ci (effet local) et de proche en proche (effets de zone) vers le systme et
son environnement (effet global). Cette phase est primordiale pour examiner
pourquoi et comment les lments du systme risquent de ne pas assurer
correctement leurs fonctions. On commence par identifier les modes de
dfaillances, rechercher les causes et les effets et enfin recenser les dtections.
AMDEC processus : analyse de mcanismes de dfaillances : pour chaque
opration du processus identifier quels sont les dfauts potentiels de qualit
pouvant tre gnraux sur le produit. Pour chaque dfaut identifi : quels sont
les causes (primaires) possible imputable au processus, quels sont les effets
(graves) sur le client aval (client interne) et sur le client amont (client externe :
utilisateur du produit fini), quelles sont les actions prvues pour la dtection de
la cause du dfaut (plan de surveillance)
Effet graves
Opration du processus
Dfaut qualit du produit
Dtections
Causes primaires
Dtections
Il est important de noter que lorsqu'une entit donne est considre selon un
mode de dfaillance donn, toutes les autres entits sont supposes en tat de
fonctionnement nominal.
89
Evaluation de la criticit
Cette phase consiste valuer la criticit des dfaillances de chaque lment
partir de plusieurs critres de cotation, elle se fait sur ltat actuel de la machine
au moment de ltude.
Les critres de cotations sont :
La frquence dapparition de la dfaillance (F)
La gravit de la dfaillance (G)
La probabilit de la non dtection de la dfaillance (N)
Pour effectuer une valuation, on utilise les grilles de cotation de lAMDEC
Pour chaque combinaison cause-mode-effet on calcule la valeur de la criticit
partir des niveaux atteins par les critres de cotation, on a : C=F*G*N
Gravit G
Effet graves
Criticit C
Frquence F
Dfaut qualit
du produit
Comparais
on s
Probabilit de non
dtection N
Causes primaires
Seuil de criticit
Dtections
Pour chaque combinaison cause-effet selon le niveau de criticit : quelles

actions peut on engager : actions de rduction des effets, actions de dtection,
action de prvention. Puis calculer la valeur de la nouvelle criticit ainsi
obtenue.
90
4me tape : synthse de ltude

AMDEC machine : Pour effectuer le bilan, on commence par la recherche des
sous systmes critique du systmes en calculant la somme des criticits
suprieur au seuil pour chaque sous systmes.
AMDEC processus : A partir des tableaux AMDEC on fait une classification des
dfauts, hirarchisation des dfauts, classement par catgorie. Lister les
oprations critiques. Liste des actions correctives engager, classification, plan
daction, responsables
Il convient de classer les effets des modes de dfaillance par niveau de criticit,
par rapport certains critres de sret de fonctionnement pralablement dfinis
au niveau du systme en fonction des objectifs fixs (fiabilit, scurit, etc.). Les
modes de dfaillance d'un composant sont regroups par niveau de criticit de
leurs effets et sont par consquent hirarchiss. Cette typologie permet
d'identifier les composants les plus critiques et de proposer alors les actions et
les procdures " juste ncessaires " pour y remdier. Cette activit
d'interprtation des rsultats et de mise en place de recommandations constitue
la dernire tape de l'AMDEC.
Une tude AMDEC resterait sans valeur si elle nest pas suivie par la mise en
place des actions correctives prconises par le groupe accompagnes dun suivi
systmatique
Exemple de grille de cotation AMDEC systme

Grille de cotation de la frquence sur quatre niveaux
Niveau de la frquence
Frquence trs faible
Frquence faible
Frquence moyenne
Frquence trs grande
dfinition
Dfaillance rare : moins dune dfaillance
par 2 ans
Dfaillance possible : moins dune
dfaillance par an
Dfaillance frquent : moins dune
dfaillance par trimestre
Dfaillance trs frquent : plusieurs
dfaillances par mois
91
Grille de cotation de la gravit sur cinq niveaux

Niveau gravit
Gravit mineure
Gravit significative
Gravit moyenne
Gravit majeure
Gravit catastrophique
dfinition
Dfaillance mineure : arrt dexploitation
infrieur une heure
Aucune dgradation notable des matriels
Dfaillance significative : arrt
dexploitation de une heure quatre heure
Remise en tat en courte dure ou petite
rparation sur place
Dfaillance moyenne : arrt dexploitation
de quatre heure vingt quatre heure
Changement de matriel dfectueux
ncessaire
Dfaillance majeure : arrt dexploitation de
vingt quatre heure soixante deux heure
Intervention importante sur sous ensemble
Dfaillance catastrophique : arrt
dexploitation suprieur soixante deux
heure. Intervention lourde ncessitant des
moyennes coteuses
Grille de cotation du niveau de probabilit de non dtection sur quatre

niveaux
Niveau de probabilit de non
dtection
Dtection vidente
Dtection possible
Dtection improbable
Dtection indtectable
dfinition
Dfaillance dtectable 100% : signe avantcoureur vident dune dgradation; dispositif de
dtection automatique dincident, dtection
coup sur la cause de dfaillance
Dtection dtectable : signe avantcoureur de la
dfaillance facilement dtectable mais
ncessitant une action particulire de loprateur
(visite, contrle visuel)
Dtection difficilement dtectable : signe avantcoureur de la dfaillance difficilement dtectable
ncessitant une action ou des moyens complexes
(dmontage, appareillage)
Dtection indtectable : aucun signe avantcoureur de la dfaillance
92
Conclusion
Bien que simple, la mthode s'accompagne d'une lourdeur certaine et la
ralisation exige un travail souvent important et fastidieux.
Une des difficults est dans l'optimisation de l'effort entre le cot de l'analyse
AMDEC (dpendant de la profondeur de l'analyse) et le cot de l'amlioration
apporter.
La solution pour surmonter le volume des entits tudier est de conduire des
AMDEC fonctionnelles. Cette approche permet de dtecter les fonctions les plus
critiques et de limiter ensuite l'AMDEC " physique " aux composants qui
ralisent tout ou partie de ces fonctions.
La cohrence entre d'une part la gestion des AMDEC et des amliorations
prconises et d'autre part, les diffrentes versions du systme sont les
principales difficults rsoudre.
Aussi, la mthode n'est pas bien adapte aux projets en temps rel car elle ne
permet pas de bien apprhender l'aspect temporel des scnarios.
Nanmoins l'AMDEC fournit :
- une autre vision du systme,
- des supports de rflexion, de dcision et d'amlioration,
- des informations grer au niveau des tudes de sret de fonctionnement et
des actions entreprendre.
93
LA BOITE A OUTILS QUALITE

Il existe de nombreux outils qui permettent d'identifier, de mettre en uvre une
recherche, une analyse des causes pour apporter une rponse et une solution
adaptes au problme ainsi identifi.
Des diagrammes de recherche systmatique des causes / effet (ISHIKAWA)
prsent sous la forme d'artes de poisson classant les catgories de causes selon
la loi des 5 M.
Des diagrammes de Pareto qui permet de classer les dfauts constats par
ordre d'importance en %.
Des outils d'analyse des dfaillances pour mettre en place des actions
prventives ou correctives : tel lAMDEC (Analyse des Modes de Dfaillance,
de leurs Effets et de leurs Criticits) L'AMDEC est une technique utilise pour
le dveloppement des produits et des procds afin de rduire le risque d'checs
et de documenter les actions entreprises pour la revue d'un processus.
L'AMDEC est destin tre utilis pour les actions prventives.
L'AMDEC est un outil de travail de groupe destin :
Reconnatre, valuer les effets et l'chec potentiel d'un produit ou procd.
Identifier des actions qui pourraient liminer ou rduire l'chec potentiel

d'un produit ou procd.
Documenter le processus.
Des cartes de contrle pour suivre chronologiquement et graphiquement une

caractristique d'un produit. Ces principaux outils ont leur utilit dans la mesure
o ils intgrent un circuit rigoureux, o chacun participe et o le rle d'un
Responsable qualit rclame des qualits d'animation et de communication.
94
Les phases suivantes explicitent les tapes pour reprer les dysfonctionnements,
choisir les solutions et les appliquer
Les outils sont plus simples et souvent plus indiqus, car tout le monde les
comprend et ils acclrent les interactions et remplissent leur but.
Une liste des outils qui sont utilis parfois de leur simplicit effarante, parfois
d'une complexit toute aussi effarante en fonction des buts recherchs.
Produire des ides
Rassembler
informations
Organiser
informations
Dcider en groupe
Prparer l'action
Proposer un tour de table : simple mais il s'agit

d'y penser
Appliquer le QQOQCP, Organiser un remuemninges
Utiliser une matrice de dcouverte
Proposer un tour de table : simple mais il s'agit
des d'y penser
Appliquer le QQOQCP
Organiser un remue-mninges
Utiliser une matrice de dcouverte
Classer selon les rubriques : Ishikawa
les Appliquer le QQOQCP, Faire un graphique :
courbe histogramme
Tracer un arbre Pareto
Discuter en groupe et parvenir un consensus
Voter, Voter en attribuant une note : vote pondr
Utiliser une matrice de compatibilit, Etablir une
grille d'valuation
Rdiger un plan daction, Appliquer le QQOQCP
l'avenir, Faire un scnario
Prparer un planning
95
METHODES DES RESOLUTIONS

DES PROBLEMES
Recenser les problmes (Qu'est ce qui ne va pas ?)
Chacun s'exprime, l'animateur aussi
Recenser les situations
problmatiques (ce qui ne va pas) et
non des solutions
Regrouper, lister les problmes et non
engager la discussion
- la non qualit vue par le client

- La non qualit gnre
- La non qualit constate
Dcider
- Classer par domaine les problmes

retenus.
- Traiter tout de suite les problmes
simples
- Transmettre les autres problmes
qui de droit
- Indicateurs et Tableau de bord
- Questionnaire de satisfaction client
- Relation client fournisseur
- Tour de table
- Feuille de relevs
Comment dtecter les

dysfonctionnements ?
- Ce qui ncessite une action en

profondeur.
- Ce qui peut tre trait la vole
- Ce qui peut tre confi un autre
groupe
96
Choisir le problme (Par quoi commencer ?)

Dfinir les critres du choix ->
Apprentissage du consensus
S'entendre sur une stratgie du

choix -> Apprentissage de la mthode
et motivation.
Faire le choix-> Efficacit
Comment choisir ensemble?
- Lis la nature des problmes

(urgence, cot..).
- Lis aux exigences de l'approche
qualit (client, prvention...)
- Lis la maturit du groupe
(motivant, accessible, etc..).
Discuter les critres de choix, c'est
dfinir ou redfinir la stratgie du
groupe.
Se faire la main sur du facile avant de
s'attaquer au complexe
- Les critres prioritaires.
- Les critres secondaires
- Les critres d'limination
Un problme qui "vaut la peine" et qui
concerne les membres du groupe
- Dsigner ce qui est accessible et
mesurable
- Dcider quel problme sera trait
- Informer la hirarchie
Un problme mesurable : la mesure
existe ou il faut l'imaginer
Critres de priorit
Vote pondr
Analyse multicritre
Diagramme de Pareto
97
Poser le problme (De quoi s'agit-il ?)

Dcrire la situation non
satisfaisante, -> Problme exprim et
quantifi
Dcrire la situation future

satisfaisante -> Problme formul
Fixer les limites-> problme valid.
Le problme est clairement dfini

Comment poser le problme?
- Enoncer les manifestations du

problme.
- Rechercher les consquences et
effets induits
- Mesurer l'ampleur du problme.
Enoncer ce qui ne va pas et non ce
qu'il faut faire. Mesurer l'tat non
satisfaisant et dfinir l'indicateur
correspondant.
- Formuler le besoin du client.
- Enoncer les "fonctions" qu'il
demande
- Fixer pour chacune, un niveau de
qualit.
Rdiger en termes d'tat,
l'insatisfaction, l'objectif, les limites.
- Les limites des problmes (domaines,
temps...)
- Les contraintes
- Les "marges de manuvre".
Vrifier la comprhension du
problme auprs du groupe et des
clients.
Dfinition de problme
Indicateurs qualit
Tableau de bord
Relation client fournisseur
98
Dcrire la situation (Comment cela se passe-t-il ?)

- Choisir les donnes pertinentes.
- Dfinir un plan de recueil des faits
- "Faire parler" les donnes observes.
Distinguer le fil conducteur
Rechercher les donnes manquantes - Concevoir un plan d'enqute
-> Objectivit
complmentaire
- Raliser les enqutes sur le terrain
- Associer les acteurs aux enqutes.
Privilgier l'observable et le
quantifiable, au dtriment des
opinions ou des prjugs
- Slectionner les donnes
Traiter les donnes recueillies>Ralit du terrain
significatives
- Elaborer les graphiques descriptifs
- Enrichir la comprhension du
problme.
Privilgier les faits vrifis et non les
suppositions. Disposer de faits
organiss pour qu'ils "parlent".
Diagramme de Pareto
La situation est documente
Comment collecter les infos?
QQOQC
Tableau de Rpartition des taches
(TRT)
Enchanement des tches
Recenser les donnes disponibles
99
Chercher les causes ( quoi est-ce d ?)

- Effectuer un brainstorming sur les causes.
Recenser les causes
disponibles -> les sources sont En 3 phases :
en amont
Organisation
- Rappeler les conditions-cls (voir ci dessous) et les
afficher
- Prsenter le thme : l'crire, l'afficher et l'expliquer
Production des ides
- les crire dans l'ordre chronologique
- les numroter au fur et mesure
- souligner le mot cl
Exploitation
- Rejeter les ides hors sujet
- Regrouper les ides de mme nature
- Classer les ides par sous thme
Les conditions cls :
- Tout dire : varit, diversit
- En dire le plus possible : quantit
- Piller les ides des autres : analogies - variantes oppositions
- Ne pas commenter, ni critiquer, ni censurer les ides
mises
- Participer dans la bonne humeur
- Identifier 3 6 familles auxquelles les causes peuvent
appartenir; par exemple : mthode des 5 M, tapes...
- A l'intrieur de ces familles identifier ventuellement des
sous familles
- Tracer le diagramme causes/effets.
- Les classer par nature et importance : vote pondr par
exemple, (les causes ont un niveau et sont hirarchises)
- Faire un plan de validation, c'est--dire prparer les tests
pour valider ces causes : QQOQCP
Causes = pourquoi ? et non des effets ou consquences.
- Vrifier les causes relles par enqutes
Valider les hypothses ->
validation des causes
- Quantifier les causes par frquence
- Construire l'arbre des causes (relations).
Des causes profondes et non les manifestations du problme.
Reprer les causes critiques- - Celles qui sont la racine
> qualit = agir et non accuser - Celles qui ont un impact important
- Celles sur lesquelles l'action est possible.
Des faits, non des coupables
Les causes vraies sont
analyses
Comment faire un diagnostic?
Diagramme dIshikawa
Arbre des causes
Mthodes d'enqute
100
Chercher une solution et dcider Quelle est la

solution ?
Dtailler les solutions retenues - - Les actions et les acteurs.
> stratgie du choix
- Le temps : charge, dlais
- Les moyens et le cot
Des critres explicites pour raisonner le
choix
- Dfinir et discuter les critres du choix :
Choisir la solution
recommander-> stratgie de la
quels critres - ou conditions- les solutions
"vente
devront-elles rpondre ?
- Evaluer les solutions selon les critres:
retenir de 3 6 critres : par ex. : cot,
dlai, scurit, faisabilit, efficacit,
confort...
- Comparer les solutions et en retenir une.
Si ncessaire, choisir les critres en
retenant en priorit les critres impratifs.
(Scurit, cot, par ex.). Dresser un tableau
de comparaison des solutions et des critres
: ex. - Matrice de compatibilit
Des solutions argumentes, values et si
possible testes.
Prsenter la solution pour
dcision -> Efficacit de la
dcision
La solution est propose et

dcide
Comment choisir et dcider?
- Reformuler l'articulation, la dynamique

entre le problme, la solution, les actions
- Argumenter en termes de "moteurs" /
"inhibiteurs"
- Rduire les inhibiteurs
Prsentation simple, courte, structure,
vivante
Vote pondr
Choix multi critres
Rapport de synthse
101
Mettre en uvre et suivre les rsultats

(Qui font quoi?)
Prparer un programme
d'action dtaill-> Pilotage
Annoncer, motiver,
exprimenter-> Participation
Mettre en place -> la qualit,

c'est--dire l'amlioration est
l'affaire de tous
- Dfinir les actions et leur ordre

- Affecter les responsabilits (qui, quoi)
- Fixer par action le dlai (quand) et moyen
(comment)
Piloter l'opration, mettre en oeuvre une
action de simulation si ncessaire.
- Informer toujours : dcision, tude, impact
- Expliquer la solution : participation
- Faire des essais et tudier le bilan.
Changer par tapes et non tous les facteurs
la fois.
- Distribuer les rles aprs s'tre assurs qu'ils
aient t compris et englob dans un dmarche
globale
- Dclencher les oprations : viter le flou
- Accompagner les oprations
Informer, tre l, prendre part auprs des
acteurs et environnement, ils seront partis
prenante
102
La solution est mise en place (Suivre les rsultats,

cela marche-t-il ?)
Dfinir les indicateurs du
suivi-> Effets durables
Organiser la collecte des

donnes-> Mesure du progrs
Agir selon les rsultats du

tableau de bord-> motivation
et solutions enrichies
- Pertinents par rapport au problme

- le seuil d'alerte (zro dfaut...)
- La frquence de la mesure
Entretenir les efforts d'amlioration :les
premiers effet sont toujours fragiles
- Mettre en place les outils de saisie
- Affecter la responsabilit de la saisie
- Elaborer la reprsentation (simple) des
rsultats
Des indicateurs en fonction du problme, en
rfrence aux mesures initiales
- Mesurer les effets de la solution
- Ragir en cas de dviation ou imprvus
- Surveiller la fiabilit des mesures
Des rsultats visibles, changs et publis en
signe de l'action collective. Accepter les leons
du pass et les intgrer dans la solution
103
Les rsultats sont sous contrle"Standardiser pour

que cela dure ...
- Les effets recherchs sont acquis
- Le problme initial disparat durablement
- Pas d'effets pervers apparus
Retour sur les causes la lumire de
l'exprience
Dcrire les spcifications de - les caractristiques du service ou produit
la solution-> solution intgre - Les caractristiques des entres
- Les contrats clients-fournisseurs
- Les intgrer dans les processus
Installer les changements->
par ceux qui font et pour eux
- Former les acteurs
- Prparer leur polyvalence
Des modes opratoires pratiques et
transmissibles. Formaliser le ncessaire et
supprimer l'inutile.
La solution est durablement plan d'action : qui, quoi, quand
Opration pilote
implante
Comment organiser la mise en Planning
oeuvre?
Comment suivre l'volution Indicateurs
Outils de recueil de donnes
?
Cartes de contrle
Systme de mesure et indicateurs
Comment stabiliser la
Tableau de rpartition des tches (TRT)
solution ?
Description de processus
S'assurer de la permanence
des rsultats-> prvention
exhaustive
104
QUALITE DANS LES SEVICES (du

produit) : relations clients fournisseurs
Introduction : Qualit dans les services
Engager une dmarche qualit dans les services dune socit implique une
souplesse que ne rclament par forcment les entreprises du secteur industriel.
Un produit possde des caractristiques tangibles, mesurables, matrisables dans
le temps qui nest pas le cas pour une prestation dont les caractristiques
voluent en cours de production et dont la mesure relve du subjectif et du
ressenti. Aussi les approches qualitatives diffrentes tandis que les buts restent
identiques.
Assurer la comptitivit dune entreprise en rpondant de manire quilibre aux
besoins des clients.
- Une entreprise prospre est une entreprise rentable.
- Des clients satisfaits gale fidlisation des clients.
- Des collaborations accomplies entrane des dveloppements des acteurs de
lentreprise
La dmarche qualit dans les services comporte les tapes suivants dtermines
par un va et vient incessant entre lorganisme prestataire de service et les clients.
Dcrire le service, identifier les clients, valuer le niveau qualitatif actuel des
services rendu, dfinir le service et la prestation, matriser le service et mesurer
le service.
Dcrire le service
Dcrire le service c'est rpondre la question :
- Que faisons-nous ? C'est--dire quelles sont nos missions (nonc de la raison
d'tre, finalit accepte pour l'entreprise d'accomplir un ensemble de tches et
d'objectifs poursuivant un but commun et durable) et nos activits ?
Ces interrogations portent sur le binme besoins des clients et rponses de
l'organisme avec pour objectif d'en cerner les adquations ou inadquations.
105
L'entreprise apporte en effet des rponses aux besoins des clients travers des
services. Or c'est l'usage que les clients font des services qui leur apporte la
satisfaction, non le service en lui-mme.
L'intrt de cette tape et de cerner le sens donn aux prestations proposes au
client la fois en direction de ce lient et en interne.
Il est clair que son pralable passe par un engagement et un support certain et
significatif de la Direction qui induit ce type de questionnement et d'analyse
dans le but d'identifier les forces contraignantes et agissantes des processus.
Pour la direction enfin cette tape permet de lui donner les moyens de:
- Formuler et hirarchiser les objectifs viss (rsultats mesurables, prrogatives
de performance) et les intentions globales (les buts)
- S'informer pour se situer : Identifier les leviers et l'impact des contraintes : afin
d'acqurir un positionnement projet de l'organisation
- Se responsabiliser pour agir et ragir : laborer le plan daction, c'est--dire un
programme dfinissant les activits raliser, les chanciers et les
responsables.
La vision de la qualit par le dirigeant est capitale car elle acquiert des proprits
fortes : allant jusqu' susciter de l'espoir et opter pour un vritable ancrage
culturel de la qualit. De plus la Direction doit rpondre aux trois points :
- dfinir la politique et objectifs de l'organisme
- fournir les ressources ncessaires
- vrifier tous niveaux de l'organisme de l'efficacit des dispositions prises.
Cette interrogation est vivement intressante car devant cette simple question :
pourquoi faites vous a ? le personnel est dispos adopter un tat de prise
de connaissance et de rflexion sur la situation dont le retentissement est positif
pour la suite. Puis il est tonnant et agrable de noter combien les personnes sont
toutes disposes parler de ce qu'elles font au quotidien et donc de s'en dtacher
pour s'tonner elles-mmes de leur contribution dans la ralisation de la mission
au sein de l'entreprise. Par ailleurs cette rflexion a l'avantage d'instaurer un
climat de travail sain et de lever les incertitudes. Il importe en effet avant tout de
savoir couter son interlocuteur, de bien analyser et comprendre tous les
processus prsents qui vont aboutir une dcision.
Concrtement, les spcifications relatives au services et la prestation du
service c'est--dire les activits cls et leurs caractristiques sont crites aprs
avoir rflchi sur le pourquoi et indirectement sur le quoi, la question cruciale
qui vient ensuite a trait aux clients, qu'ils soient internes et externes : devant en
effet rpondre : pour qui le faisons nous ?
106
Identifier les clients

Quest ce quun clients ? Qui sont nos clients ? Gnralement, un client peut tre
une personne, un groupe de personnes ou une organisation qui attend quelque
chose de lentreprise. On parle des clients externes sont dont les prestations sont
factures alors que les clients internes sont les hommes et femmes de
lentreprise.
On peut poser la question suivante qui attend quoi de lentreprise ? La rponse
peut se trouver ainsi :
Clients externes
Clients fracturables
Services/besoins
Prestation / besoins en termes de dlai,
technique, cot, comportement.
Les fournisseurs ou sous traitants
Respect des conditions de paiement,
dfinition prcise des exigences de
lentreprise, fidlit, confiance.
Ltat, rglementation (sur lequel la
norme ISO9000 insiste)
Respect des lois de rglement,
information, impts, taxes,
contributions sociales
La notation
Procurer les emplois, crer des
richesses, respecter
lenvironnement..
Clients internes
hommes et femmes de lentreprise
Evolution
Rmunration
Conscration comptence.
Les actionnaires ou les associs
Rmunration des placements
Informations.
Lentreprise elle-mme
Rsultats
Rentabilit
Fonctionnements adopts
Evolutions
Le positionnement conscutif cette interrogation permet de visualiser et

comprendre le sens de prestations via vis des attentes des clients et donc de
sintgrer dans tout le systme de lentreprise.
107
Evaluer le niveau qualitatif

Lvaluation du niveau qualitatif des services se fond sur deux questions :
Quels sont ? Nos points forts, nos points faibles, les dysfonctionnements dans
notre activit, leurs consquences, les aspects que nous souhaiterions
amliorer.
Que pensent nos clients ? couter le client signifie prendre en compte ses
attentes (en matire daccueil, dattente aux guichets, dacquisition lissue
dune formation.) et mesurer sa satisfaction. Ces deux points permettent de
recenser les dysfonctionnements lis aux processus et aux structures. De
distinguer les consquences c'est--dire les effets dj constats des
dysfonctionnements considrs. De confronter les visions et hirarchiser les
priorits..
A ce stade on distingue deux axes :
La situation souhaite (dispositif qualit) et le modle des champs des forces qui
existent au sein de lentreprise (situation observe)
Dfinir le service.
Dfinir cest poser et donner une vision stratgique de ce qui est fait ou de ce qui
est prvu de faire, de sinscrire au cur dun parcours identifi, cern,
orient..
Aprs avoir identifier le client il est dsormais possible de :
Choisir les axes damliorations c'est--dire de dfinir les processus cibles
Dfinir les objectifs damliorations mesurables et les moyens de mesure
Dfinir les moyens ncessaires (matriels, humains, organisationnels,
infrastructures)
Planifier la mise en uvre (objectifs intermdiaires, dlais, responsables)
Dans le cadre dune prestation de service, le client peroit une valeur dusage et
lentreprise besoin de caractristiques de dfinition. Celles-ci, si elles sont
vidents lgard dun produit (cahier de charge, plan, quantit, couleur,
forme..) le sont moins vis--vis dun service (besoins vitaux, scuritaires non
exprims, les acquis ne sont plus exprims.)
108
Matriser le service
La matrise passe par une boucle damlioration qui doit incessamment tourner
il importe alors de :
Mettre en uvre les actions dcides
Mesurer les progrs, latteinte des objectifs
Chercher et trouver les amliorations dans le cas dune drive (mcontentement
et insatisfaction)
Cette matrise passe par tout un ensemble de prcautions que la norme dfinit,
elle passe galement par la coopration et la coordination de tous les
dpartements, services de lorganisme avec comme devise de fonctionnement le
respect des uns (lcoute client interne et externe) et la communication. Il faut
galement maintenir cet intrt envers la qualit. Les groupes de travail peuvent
tre constitus appels dbattre des problmes ou de dysfonctionnement
relevs dans lentreprise, si les questions ne trouvent pas de rsolution lissue
de trois ou quatre sances, il importe alors de revoir, remettre peut tre en cause
un aspect de lorganisation. En plus il faut compter sur une communication
ouverte, dynamique.
Mesurer le service
La mesure est une donne essentielle dans la nouvelle norme obligeant des
retours dopinion sur le (produit) service rendu par les clients et des expertises
effectues directement sur le terrain (audites internes)il sagit dtre lcoute
du client en amont et en aval. La nouvelle version de la norme aborde la
satisfaction du client et impose de surveiller les informations relatives la
satisfaction ou mcontentement du client. Il incite auditer la satisfaction du
client dans la perspective damliorer la performance du systme de
management de la qualit. Il importe alors de dterminer des mthodes
permettant dobtenir et dutiliser ces informations.
Quelques proprits du service et de la prestation de service et du produit citer
ci-aprs.
produit
Des caractristiques identiques lavance
Des caractristiques objectives, mesurables
Des outils et mthodes connus (mtrologie,
MSP)
Service
Des caractristiques initiales minimales
Des caractristiques voluant en cours de
production , du subjectif, des ressenti
Peu doutils, des priori sur la non
mesurabilit du service
109
Un fascicule publi par AFNOR (mars99) : FD X50-172 fournit une

mthodologie pour la conduite denqute de satisfaction client (dfinition des
objectifs et ralisation pratique des rsultats.
Il existe des indicateurs servant aux audits internes ils sont dobjet dun
chiffrage qui permettra de voir si les objectifs sont remplis. Un indicateur est un
vnement observ, prlev, mesur et dtermin par un calcul pour permettre
identifier quantitativement ou qualitativement le comportement dun procd,
ainsi il existe des indicateurs de rsultats et de processus. Il est vident que les
indicateurs est dfinir collectivement devant revtir un caractre motivant,
prcis, accept et stable. Le cadre, les limites lobjet et les buts de chacun deux
est poser et dfinir rigoureusement.
Par mis ces indicateurs on cite :
Commerciaux : bilan des ngociations : taux de proposition, taux daffaire,
retard mise en disposition au client..
Banque ;: nombre de fois ou le dlai de rponse un prt nest pas respect.
Taux de disponibilit des guichets automatiques hors horaires douverture de
lagence..
Formation : nombre de journes annules ou reportes, dlai de dcision suite
la demande dinscription au stage, nombre de fois o les horaires convenus ne
sont pas respects.
Service mdical : nombre
dintervention.
de demandes en attente, dure moyenne
Clients insatisfaits : risque important de passage du client la concurrence, 90%

des clients mcontents ne reviennent pas, chaque client mcontent en parle 9
personnes
Clients satisfaits : retenir les clients permet de minimiser les cots, les clients
satisfaits sont disposs payer davantage, chaque clients satisfait en parle en
moyenne 5 personnes, peut payer la concurrence en cas dopportunit
Client enchant : cest un vecteur de communication en faveur de lentreprise,
client fidlit.
110
Table de la loi normale centre rduite

up
0,0
0,1
0,2
0,3
0,4
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,5
0,6
0,7
0,8
0,9
0,6915
0,7257
0,7580
0,7881
0,8159
0,6950
0,7291
0,7611
0,7910
0,8186
0,6985
0,7324
0,7642
0,7939
0,8212
0,7079
0,7357
0,7673
0,7967
0,8238
0,7054
0,7389
0,7704
0,7995
0,8264
0,7088
0,7422
0,7734
0,8023
0,8289
0,7123
0,7454
0,7764
0,8051
0,8315
0,7157
0,7486
0,7794
0,8078
0,8340
0,7190
0,7517
0,7823
0,8106
0,8365
0,7224
0,7549
0,7852
0,8133
0,8389
1,0
1,1
1,2
1,3
1,4
0,8413
0,8643
0,8849
0,9032
0,9192
0,8438
0,8665
0,8869
0,9049
0,9207
0,8461
0,8686
0,8888
0,9066
0,9222
0,8485
0,8708
0,8907
0,9082
0,9236
0,8508
0,8729
0,8925
0,9099
0,9251
0,8531
0,8749
0,8944
0,9115
0,9265
0,8554
0,8770
0,8962
0,9131
0,9279
0,8577
0,8790
0,8980
0,9147
0,9292
0,8599
0,8810
0,8997
0,9162
0,9306
0,8621
0,8830
0,9015
0,9177
0,9319
1,5
1,6
1,7
1,8
1,9
0,9332
0,9452
0,9554
0,9641
0,9713
0,9345
0,9463
0,9564
0,9649
0,9719
0,9357
0,9474
0,9573
0,9656
0,9726
0,9370
0,9484
0,9582
0,9664
0,9732
0,9382
0,9495
0,9591
0,9671
0,9738
0,9394
0,9505
0,9599
0,9678
0,9744
0,9406
0,9515
0,9608
0,9686
0,9750
0,9418
0,9525
0,9616
0,9693
0,9756
0,9429
0,9535
0,9625
0,9699
0,9761
0,9441
0,9545
0,9633
0,9706
0,9767
2,0
2,1
2,2
2,3
2,4
0,9772
0,9821
0,9861
0,9893
0,9918
0,9778
0,9826
0,9864
0,9896
0,9920
0,9783
0,9830
0,9868
0,9898
0,9922
0,9788
0,9834
0,9871
0,9901
0,9925
0,9793
0,9838
0,9875
0,9904
0,9927
0,9798
0,9842
0,9878
0,9906
0,9929
0,9803
0,9846
0,9881
0,9909
0,9931
0,9808
0,9850
0,9884
0,9911
0,9932
0,9812
0,9854
0,9887
0,9913
0,9934
0,9817
0,9857
0,9890
0,9916
0,9936
2,5
2,6
2,7
2,8
2,9
3,0
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
Pour passer de la loi normale de moyenne X et dcart type la loi normale N (0,1) on
pose : u p
x X
pour la variable u p ( u p ) :
f (u p )
1
e
2
u 2p
2
La table ci-dessus donne les valeurs de P F (u p ) pour u p 0 alors pour les valeurs u p 0
les valeurs de P F (u p ) sont donnes par la relation P F (u p ) 1 F (u p ) o (u p ) 0
111
Coefficient pour construire les

limites des cartes de contrle par
~
mesures de X , X , X , et W
n
2
3
4
5
A
2,659
1,954
1,628
1,427
B
1,880
1,023
0,729
0,577
C
1,880
1,187
0,796
0,691
D
2,660
1,772
1,457
1,290
E1
3,267
2,568
2,266
2,089
E2
00000
00000
00000
00000
F1
3,267
3,254
2,282
2,114
F2
00000
00000
00000
00000
a
0,7979
0,8862
0,9213
0,9400
b
1,128
1,693
2,059
2,326
c
0,853
0,888
0,880
0,864
6
7
8
9
10
1,287
1,128
1,099
1,032
0,975
0,483
0,419
0,373
0,337
0,308
0,548
0,508
0,433
0,412
0,362
1,184
1,109
1,054
1,010
0,975
1,970
1,882
1,815
1,761
1,716
0,030
0,118
0,185
0,239
0,284
2,004
1,924
1,864
1,816
1,777
00000
0,076
0,136
0,184
0,223
0,9515
0,9595
0,9650
0,9693
0,9727
2,534
2,704
2,847
2,970
3,078
0,848
0,833
0,820
0,802
0,797
11
12
13
14
15
0,927
0,886
0,850
0,817
0,789
0,285
0,266
0,249
0,235
0,223
0,945
0,921
0,899
0,881
0,864
1,679
1,646
1,618
1,594
1,572
0,331
0,354
0,382
0,406
0,428
1,744
1,717
1,693
1,672
1,653
0,256
0,283
0,307
0,328
0,347
0,9754
0,9776
0,9794
0,9810
0,9823
3,173
3,258
3,336
3,407
3,472
0,787
0,778
0,770
0,762
0,755
16
17
18
19
20
0,763
0,739
0,718
0,689
0,680
0,212
0,203
0,194
0,187
0,180
0,849
0,836
0,824
0,813
0,803
1,552
1,534
1,518
1,503
1,490
0,448
0,466
0,482
0,497
0,510
1,637
1,622
1,608
1,597
1,585
0,363
0,378
0,391
0,403
0,415
0,9835
0,9845
0,9854
0,9862
0,9869
3,532
3,588
3,640
3,689
3,735
0,749
0,743
0,738
0,733
0,729
n : Taille de lchantillon.
X partir de
B : coefficient pour construire les limites de contrle de la carte X partir de W
~
C : coefficient pour construire les limites de contrle de la carte X partir de W
D : coefficient pour construire les limites de contrle de la carte, X partir de W
A : coefficient pour construire les limites de contrle de la carte
E1 : coefficient pour construire la limite de contrle suprieure de la carte

E2 : coefficient pour construire la limite de contrle infrieure de la carte
F1 : coefficient pour construire la limite de contrle suprieure de la carte W
F2 : coefficient pour construire la limite de contrle infrieure de la carte W
a : coefficient pour estimer partir de ..
b : coefficient pour estimer partir de W ..
c : coefficient pour estimer partir de lcart type des tendues W , j
112
La fonction y
t,
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7'
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1 2
t
2
de la distribution de la loi normale (voir figure)
Y
0,3989
0,3970
0,3910
0,3814
0,3683
0,3521
0,3332
0,3123
0,2897
0,2661
0,2420
0,2179
0,1942
0,1714
0,1497
t
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2.4
2.5
2,6
2,7
2,8
2,9
Y
0,1295
0,1109
0,0940
0,0790
0,0656
0,540
0,0440
0,0355
0.0283
0,0224
0,0175
0,0136
0,0104
0,0079
0,0060
113
Loi binomiale
Probabilit P CnK pk (1 p)n K de trouver K dfectueux dans un chantillon de
talle n quand la fraction dfectueuse de la fabrication est p : tables pour n=5,
n=10, n=15, n=20, n=30
p de 1% 10%
Nombre de
dfectueux
K
Valeurs de P
CnK p k (1 p)n K
P=1%
P=2%
P=3%
P=4%
P=5%
P=6%
P=7%
P=8%
P=9%
P=10%
n=5
0
1
2
3
4
0,9510
0,0480
0,0010
0,9039
0,0922
0,0038
0,8587
0,1328
0,0082
0,0003
0,8153
0,1699
0,0142
0,0006
0,7738
0,2036
0,0214
0,0011
0,7339
0,2342
0,0299
0,0019
0,6957
0,2618
0,0394
0,0030
0,0001
0,6591
0,2865
0,0498
0,0043
0,0002
0,6240
0,3086
0,0610
0,0060
0,0003
0,5905
0,3280
0,0729
0,0081
0,0005
n=10
0
1
2
3
4
5
6
0,9044
0,0914
0,0042
0,0001
0,8171
0,1667
0,0153
0,0008
0,7374
0,2281
0,0317
0,0026
0,0001
0,6648
0,2770
0,0519
0,0058
0,0004
0,5987
0,3151
0,0746
0,0105
0,0010
0,0001
0,5386
0,3438
0,0988
0,0168
0,0019
0,0001
0,4840
0,3643
0,1234
0,0248
0,0033
0,0003
0,4344
0,3777
0,1478
0,0343
0,0052
0,0005
0,3894
0,3851
0,1714
0,0452
0,0078
0,0009
0,0001
0,3887
0,3874
0,1937
0,0574
0,0112
0,0015
0,0001
n=15
0
1
2
3
4
5
6
7
0,8601
0,1303
0,0092
0,0004
0,7386
0,2261
0,0323
0,0029
0,0002
0,6333
0,2938
0,0636
0,0085
0,0008
0,0001
0,5421
0,3388
0,0988
0,0178
0,0022
0,0002
0,4633
0,3658
0,1348
0,0307
0,0049
0,0006
0,3953
0,3785
0,1691
0,0468
0,0090
0,0013
0,0001
0,3367
0,3801
0,2003
0,0653
0,0148
0,0024
0,0003
0,2863
0,3743
0,2273
0,0857
0,0223
0,0043
0,0006
0,0001
0,2430
0,3605
0,2496
0,1070
0,0317
0,0069
0,0011
0,0001
0,2059
0,3432
0,2669
0,1285
0,0428
0,0105
0,0019
0,0003
0,8179
0,1652
0,0159
0,0010
n=20
0
1
2
3
4
5
6
7
8
9
0,6676
0,2725
0,0528
0,0065
0,0006
0,5438
0,3364
0,0988
0,0183
0,0024
0,0002
0,4420
0,3683
0,1458
0,0364
0,0065
0,0009
0,0001
0,3585
0,3774
0,1887
0,0596
0,0133
0,0022
0,0003
0,2901
0,3703
0,2246
0,0860
0,0233
0,0048
0,0008
0,0001
0,2342
0,3526
0,2521
0,1139
0,0364
0,0088
0,0017
0,0002
0,1887
0,3282
0,2711
0,1414
0,0523
0,0145
0,0032
0,0005
0,0001
0,1516
0,3000
0,2818
0,1672
0,0703
0,0222
0,0055
0,0011
0,0002
0,1216
0,2702
0,2852
0,1901
0,0898
0,0319
0,0089
0,0020
0,0004
0,0001
0,7397
0,2242
0,0328
0,0031
0,0002
n=30
0
1
2
3
4
5
6
7
8
9
10
11
0,5455
0,3340
0,0988
0,0188
0,0026
0,0003
0,4010
0,3721
0,1669
0,0482
0,0101
0,0016
0,0002
0,2939
0,3673
0,2219
0,0863
0,0243
0,0053
0,0009
0,0001
0,2146
0,3389
0,2586
0,1270
0,0451
0,0124
0,0027
0,0005
0,0001
0,1563
0,2992
0,2769
0,1650
0,0711
0,0236
0,0063
0,0014
0,0003
0,1134
0,2560
0,2794
0,1963
0,0997
0,0390
0,0122
0,0032
0,0007
0,0001
0,0820
0,2138
0,2696
0,2188
0,1284
0,0581
0,0210
0,0063
0,0016
0,0003
0,0001
0,0591
0,1752
0,2513
0,2319
0,1548
0,0796
0,0328
0,0111
0,0032
0,0008
0,0002
0,0424
0,1413
0,2277
0,2361
0,1771
0,1023
0,0474
0,0180
0,0058
0,0016
0,0004
0,0001
114
Loi binomiale
Probabilit P CnK pk (1 p)n K de trouver K dfectueux dans un chantillon de
talle n quand la fraction dfectueuse de la fabrication est p : tables pour n=40 et
n=50
p de 1% 10%
Nombre
de
dfectueux
K
Valeurs de P
CnK p k (1 p)n K
P=1%
P=2%
P=3%
P=4%
P=5%
P=6%
P=7%
P=8%
P=9%
P=10%
0,6690
0,2703
0,0532
0,0068
0,0006
n=40
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0,4457
0,3638
0,1448
0,0374
0,0071
0,0010
0,0001
0,2957
0,3658
0,2206
0,0864
0,0247
0,0055
0,0010
0,0001
0,1954
0,3256
0,2646
0,1396
0,0538
0,0161
0,0039
0,0008
0,0001
0,1285
0,2706
0,2777
0,1851
0,0901
0,0342
0,0105
0,0027
0,0006
0,0001
0,0842
0,2149
0,2675
0,2162
0,1277
0,0587
0,0218
0,0068
0,0018
0,0004
0,0001
0,0549
0,1652
0,2425
0,2312
0,1609
0,0872
0,0383
0,0140
0,0043
0,0012
0,0003
0,0001
0,0356
0,1238
0,2100
0,2313
0,1860
0,1165
0,0591
0,0250
0,0090
0,0028
0,0007
0,0002
0,0230
0,0910
0,1754
0,2198
0,2011
0,1432
0,0826
0,0397
0,0162
0,0057
0,0017
0,0005
0,0001
0,0148
0,0657
0,1423
0,2003
0,2059
0,1647
0,1068
0,0576
0,0264
0,0104
0,0036
0,0011
0,0003
0,0001
0,6050
0,3056
0,0756
0,0122
0,0015
0,0001
n=50
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0,3642
0,3716
0,1858
0,0607
0,0145
0,0027
0,0004
0,0001
0,2181
0,3372
0,2555
0,1264
0,0459
0,0131
0,0030
0,0006
0,0001
0,1299
0,2706
0,2762
0,1841
0,0902
0,0346
0,0108
0,0028
0,0006
0,0001
0,0769
0,2025
0,2611
0,2199
0,1360
0,0658
0,0260
0,0086
0,0024
0,0006
0,0001
0,0453
0,1447
0,2262
0,2311
0,1733
0,1018
0,0487
0,0195
0,0067
0,0020
0,0005
0,0001
0,0266
0,0999
0,1843
0,2219
0,1963
0,1359
0,0767
0,0363
0,0147
0,0052
0,0016
0,0004
0,0001
0,0155
0,0672
0,1433
0,1993
0,2037
0,1629
0,1063
0,0581
0,0271
0,0110
0,0039
0,0012
0,0004
0,0001
0,0090
0,0443
0,1073
0,1698
0,1973
0,1795
0,1332
0,0828
0,0440
0,0203
0,0082
0,0030
0,0010
0,0003
0,0001
0,0052
0,0286
0,0779
0,1386
0,1809
0,1849
0,1541
0,1076
0,0643
0,0333
0,0152
0,0061
0,0022
0,007
0,0002
0,0001
115
Loi binomiale
Probabilit P (au plus K) de trouver K dfectueux dans un chantillon de talle n quand la fraction dfectueuse de
la fabrication est p : tables pour n=10, n=20 et n=40
p de 1% 10%
Nombre de
dfectueux
K
n=10
0
1
2
3
4
Valeurs de P (au plus K)

P=1%
P=2%
P=3%
P=4%
P=5%
P=6%
P=7%
P=8%
P=9%
P=10%
0,9044
0,9957
0,9999
1
0,8171
0,9838
0,9991
1
0,7374
0,9655
0,9972
0,9999
1
0,6648
0,9418
0,9938
0,9996
1
0,5987
0,9139
0,9885
0,9990
0,9999
0,5386
0,8824
0,9812
0,9980
0,9998
0,4840
0,8483
0,9717
0,9964
0,9997
0,4344
0,8121
0,9599
0,9942
0,9994
0,3894
0,7746
0,9460
0,9912
0,9990
0,3887
0,7361
0,9298
0,9872
0,9984
0,9999
1
0,9999
1
5
6
0
1
2
3
4
0,8179
0,9831
0,9990
1
0,6676
0,9401
0,9929
0,9994
1
0,5438
0,8801
0,9790
0,9973
0,9997
0,4420
0,8103
0,9561
0,9926
0,9990
0,3585
0,7358
0,9245
0,9841
0,9974
0,2901
0,6605
0,8850
0,9710
0,9944
0,2342
0,5869
0,8390
0,9529
0,9893
0,1887
0,5169
0,7879
0,9294
0,9817
0,1516
0,4516
0,7334
0,9007
0,9710
0,1216
0,3917
0,6769
0,8670
0,9568
0,9999
1
0,9997
1
0,9991
0,9999
1
0,9981
0,9997
1
0,9962
0,9994
0,9999
1
0,9932
0,9987
0,9998
1
0,9887
0,9976
0,9996
0,9999
1
0,4457
0,8095
0,9543
0,9918
0,9988
0,2957
0,6615
0,8822
0,9686
0,9933
0,1954
0,5210
0,7855
0,9252
0,9790
0,1285
0,3991
0,6767
0,8619
0,9520
0,0852
0,2990
0,5665
0,7827
0,9104
0,0549
0,2201
0,4625
0,6937
0,8546
0,0356
0,1594
0,3694
0,6007
0,7868
0,0230
0,1140
0,2894
0,5092
0,7103
0,0148
0,0805
0,2228
0,4231
0,6290
0,9999
1
0,9988
0,9998
1
0,9951
0,9990
0,9998
1
0,9861
0,9966
0,9993
0,9999
1
0,9691
0,9909
0,9977
0,9995
0,9999
0,9419
0,9801
0,9942
0,9985
0,9997
0,9033
0,9624
0,9873
0,9963
0,9990
0,8535
0,9361
0,9758
0,9920
0,9976
0,7937
0,9005
0,9581
0,9845
0,9949
0,9999
1
0,9998
1
0,9994
0,9999
1
0,9985
0,9996
0,9999
1
n=20
5
6
7
8
9
0
1
2
3
4
n=40
0,6690
0,9393
0,9925
0,9993
1
5
6
7
8
9
10
11
12
13
116
Loi de Poisson
Probabilit P (au plus K) de trouver K dfectueux dans un chantillon de talle n
quand la fraction dfectueuse de la fabrication est p
On dduit des tables P (K)= P (au plus K)- P (au plus K-1)
Nombre de
dfectueux
K
0
1
2
3
4
m=0,1
m=0,2
m=0,3
m=0,4

m=0,5
m=0,6 m=0,7
m=0,8
m=0,9
m=1,0
0,9048
0,9943
0,9998
1
0,8187
0,9825
0,9999
1
0,7408
0,9631
0,9964
0,9997
1
0,6703
0,9384
0,9920
0,9992
0,9999
0,6065
0,9098
0,9856
0,9982
0,9998
0,5488
0,8781
0,9769
0,9966
0,9996
0,4966
0,8442
0,9659
0,9942
0,9992
0,4493
0,8088
0,9526
0,9909
0,9986
0,4066
0,7725
0,9372
0,9866
0,9977
0,3679
0,7358
0,9197
0,9810
0,9963
0,9999
1
0,9998
1
0,9997
1
0,9994
0,9999
1
m=4,5
m=5
5
6
7
Nombre de
dfectueux
K
0
1
2
3
4
5
6
7
8
9

m=3,0
m=3,5
m=4,0
m=1,5
m=2,0
m=2,5
0,2231
0,5578
0,8088
0,9344
0,9814
0,1353
0,4060
0,6767
0,8571
0,9473
0,0821
0,2873
0,5438
0,7576
0,8912
0,0498
0,1991
0,4232
0,6472
0,8153
0,0302
0,1359
0,3208
0,5366
0,7254
0,0183
0,0916
0,2381
0,4335
0,6288
0,0111
0,0611
0,1736
0,3423
0,5321
0,0067
0,0404
0,1247
0,2650
0,4405
0,9955
0,9991
0,9998
1
0,9834
0,9955
0,9989
0,9998
1
0,9579
0,9858
0,9958
0,9989
0,9997
0,9161
0,9665
0,9881
0,9962
0,9989
0,8576
0,9347
0,9733
0,9901
0,9967
0,7851
0,8893
0,9489
0,9786
0,9919
0,7029
0,8311
0,9134
0,9597
0,9829
0,6160
0,7622
0,8666
0,9319
0,9682
0,9999
1
0,9997
0,9999
0,9990
0,9997
0,9999
1
0,9972
0,8991
0,9997
0,9999
1
0,9933
0,9976
0,9992
0,9997
0,9999
0,9863
0,9945
0,9980
0,9993
0,9998
0,9999
1
10
11
12
13
14
15
16
117
Loi de Poisson
Probabilit P (au plus K) de trouver K dfectueux dans un chantillon de talle n
quand la fraction dfectueuse de la fabrication est p
On dduit des tables P (K)= P (au plus K)- P (au plus K-1)
Nombre de
dfectueux
K
0
1
2
3
4

m=7,5
m=8,0
m=8,5
m=5,5
m=6,0
m=6,5
m=7,0
0,0041
0,0266
0,0884
0,2017
0,3575
0,0025
0,0174
0,0620
0,1512
0,2851
0,0015
0,0113
0,0430
0,1118
0,2237
0,0009
0,0073
0,0296
0,0818
0,1730
0,0006
0,0047
0,0203
0,0591
0,1321
0,0003
0,0030
0,0138
0,0424
0,0996
5
6
7
8
9
0,5289
0,6860
0,8095
0,9044
0,9462
0,4457
0,6063
0,7440
0,8472
0,9161
0,3690
0,5265
0,6728
0,7916
0,8774
0,3007
0,4497
0,5987
0,7291
0,8305
0,2414
0,3782
0,5264
0,6620
0,7764
10
11
12
13
14
0,9747
0,9890
0,9955
0,9983
0,9994
0,9574
0,9799
0,9912
0,9964
0,9986
0,9332
0,9661
0,9840
0,9929
0,9970
0,9015
0,9466
0,9730
0,9872
0,9943
15
16
17
18
19
0,9998
0,9999
1
0,9995
0,9998
1
0,9988
0,9996
0,9998
1
0,9976
0,9990
0,9996
0,9999
1
20
21
22
23
m=9,0
m=9,5
m=10,0
0,0002
0,0019
0,0093
0,0301
0,0746
0,0001
0,0012
0,0062
0,0212
0,0550
0,0001
0,0008
0,0042
0,0149
0,0403
0,0005
0,0028
0,0104
0,0293
0,1912
0,3134
0,4530
0,5925
0,7166
0,1496
0,2562
0,3856
0,5231
0,6530
0,1157
0,2068
0,3239
0,4557
0,5874
0,0885
0,1649
0,2687
0,3918
0,5218
0,0671
0,1302
0,2203
0,3329
0,4580
0,8622
0,9208
0,9573
0,9784
0,9897
0,8159
0,8881
0,9362
0,9658
0,9827
0,7634
0,8487
0,9091
0,9486
0,9726
0,7060
0,8030
0,8758
0,9261
0,9585
0,6453
0,7520
0,8364
0,9881
0,9400
0,5831
0,6968
0,7916
0,8645
0,9166
0,9954
0,9980
0,9992
0,9997
0,9999
0,9918
0,9963
0,9984
0,9993
0,9997
0,9862
0,9934
0,9970
0,9987
0,9995
0,9780
0,9889
0,9947
0,9976
0,9989
0,9665
0,9823
0,9911
0,9957
0,9980
0,9513
0,9730
0,9857
0,9928
0,9965
0,9999
1
0,9998
0,9999
1
0,9996
0,9998
0,9999
1
0,9991
0,9996
0,9998
0,9999
0,9984
0,9993
0,9997
0,9999
118

Cours de Mspet Cr-Dcess-2014

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cours de Mspet Cr-Dcess-2014

Uploaded by

Copyright:

Available Formats

Matrise Statistique des Processus

La valeur : rapport qualit/prix

Matrise Statistique des Processus

Les 5 zro olympiques

LES LOIS STATISTIQUES

On dfinie la fonction de distribution pour une variable norme

Avec t dite variable norm t x i x

Matrise Statistique des Processus

p : probabilit dacceptation ou de rejet de lchantillon.

La probabilit de trouver 2 pices dfectueuses

La probabilit de trouver 1 pice dfectueuse

Par consquent la probabilit de trouver au plus Ac pices dfectueux est gal :

Ce qui se traduit par :

La courbe defficacit peut tre construite partir de 4 couple de points (0,1),

Matrise Statistique des Processus

Si on analyse cette fonction P X Ac on constate que la talle de lchantillon n

n>15. Ces conditions dapplication permettent de lutiliser lorsque la frquence

ESTIMATION PAR INTERVALLE DE CONFIANCE

Intervalles de confiance pour la moyenne

suit la loi normale LG(0,1)

Matrise Statistique des Processus

Pour n suffisamment grand, la variable:

Par dfinition de la loi de Student, on en dduit que la variable

suit la loi de Student (n - 1) degrs de libert

Aprs simplification, on obtient comme variable de Student la variable:

L'intervalle de confiance se construit alors en cherchant dans la table de la loi de

L'intervalle de niveau de confiance gal (1 -) pour m est alors:

Intervalles de confiance pour la variance ou l'cart-type

Le couple (a,b) n'est pas .unique. Frquemment, on choisit ces valeurs en

De cet intervalle, on peut aussi en dduire l'intervalle de confiance au mme

Matrise Statistique des Processus

- Si la moyenne m de la loi n'est pas connue, le meilleur estimateur de la

L'intervalle de confiance au seuil (1 - ) pour 2 est alors:

Analyse de Pareto (ou loi de 80-20 ou courbes ABC)

Matrise Statistique des Processus

A/ Contrle par attributs

B/ Contrle par dcomptes de dfauts

C/ Contrle par mesures

Matrise Statistique des Processus

Pices de petits ensemble

Montage, produits finis

Matrise Statistique des Processus

Caractristiques des instruments de mesures

n : Nombre de mesures effectues (environ 30 mesures)

Matrise Statistique des Processus

Contrle en cours de fabrication

Matrise Statistique des Processus

Contrle statistique de fabrication

Contrle non destructif

Contrle par chantillonnage

Matrise Statistique des Processus

Niveau de qualit acceptable (NQA)

Niveau de qualit tolr (NQT)

Matrise Statistique des Processus

Par dcompte de dfauts

A cent pour cent 100%

Effectif de lchantillon contrler

Matrise Statistique des Processus

Contrle par attributs

Matrise Statistique des Processus

Matrise Statistique des Processus

Matrise Statistique des Processus

10 lots conscutifs accepts,